利用神经网络实现跨多种癌症类型的生存预测
图像与视频处理
2024-04-16 v1 机器学习
定量方法
摘要
胃癌和结肠腺癌是常见且具有挑战性的恶性肿瘤，死亡率高且治疗复杂。针对癌症患者对准确预后的迫切需求，医学界已将5年生存率作为评估患者预后的关键指标。本研究提出了一种创新方法，用于增强胃癌和结肠腺癌患者的生存预测模型。利用先进的图像分析技术，我们对这些癌症的全切片图像（WSI）进行切片，提取综合特征以捕捉细微的肿瘤特征。随后，我们构建了患者级图，封装肿瘤组织内复杂的空间关系。这些图作为输入，输入到一个复杂的4层图卷积神经网络（GCN）中，该网络旨在利用数据的固有连接性进行综合分析和预测。通过整合患者的总生存时间和生存状态，我们计算了胃癌和结肠腺癌的C-index值，分别为0.57和0.64。这些结果显著超越了以往的卷积神经网络模型，证明了我们的方法在准确预测患者生存结果方面的有效性。本研究对医学界和人工智能界都具有深远意义，为癌症生物学和进展提供了见解，同时推进了个性化治疗策略。最终，我们的研究代表了利用人工智能驱动方法革新癌症预后并改善全球患者预后的重要一步。
引用
@article{arxiv.2404.08713,
title = {Survival Prediction Across Diverse Cancer Types Using Neural Networks},
author = {Xu Yan and Weimin Wang and MingXuan Xiao and Yufeng Li and Min Gao},
journal= {arXiv preprint arXiv:2404.08713},
year = {2024}
}