發(fā)布時間：2024-04-06 16:49

　　背景結直腸癌(Colorectal cancer,CRC),全球高發(fā)惡性腫瘤[1,2]。化療是抑制術后腫瘤生長的重要方式,極大提高了患者的生存期[3,4]。但不同個體對化療反應不盡相同,僅20%真正得到臨床獲益,仍有多數出現(xiàn)化療不反應(抵抗)。關于化療效果的評價,療程結束后腫瘤標志物CA199、癌胚抗原CEA檢測及定期影像檢查,是臨床采用的主要方式,而可以一定程度上預測關于化療不反應的功能機制、耐藥基因及分子靶點的研究,不勝枚舉,但仍待進一步整合及驗證。無法在化療前,預先評估化療療效是亟待解決的臨床需求。因此,迫切需要增加新的無創(chuàng)高效的預測手段,精準篩選適宜人群。人工智能(Artificial Intelligence,AI),憑借其強大的圖像識別、特征分析技術為創(chuàng)新結直腸癌預后評估方式帶來了新角度,越來越多海內外研究期望聯(lián)合AI解決此類臨床難題。目前,在結直腸癌領域,借助AI平臺協(xié)助評估預后主要是基于影像[5-7],基于病理將臨床特征與預后狀況通過AI算法相聯(lián)系尚未得到有效開展。但已有研究證實可使用AI引導機器學習分析前列腺癌等病理圖片預測患者疾病進展風險[8]。上述研究無疑能為結直...

【文章頁數】：75 頁

【學位級別】：碩士

【部分圖文】：

圖１－】數據轉換（選定－轉換）??Ｆｉｇｕｒｅ?１－１?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｓｅｌｅｃｔｉｏｎ－ｃｏｎｖｅｒｓｉｏｎ）??

?碰士學位論文???表１－１病理掃描儀數據詳情??Ｔａｂｌｅ?１－１?Ｐａｔｈｏｌｏｇｉｃａｌ?ｓｃａｎｎｅｒ?ｄａｔａ?ｄｅｔａｉｌｓ??掃描儀品牌?型號?倍數?生成格式??Ｌｅｉｃａ?Ａｐｅｒｉｏ?ＡＴ２?４０Ｘ?ＮＤＰＩ??３ＤＨＩＳＴＥＣＨ?Ｐａｎｎｏｒａｍｉ?ｃ?ＳＣＡ....

圖１－２數據轉換（轉換－儲存）??Ｆｉｇｕｒｅ?１－２?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｃｏｎｖｅｒｓｉｏｎ－ｓｔｏｒａｇｅ）??１．３．４研究對象分組及數據分配??

＃ＴＫｓＫａ〇１４－６１０－ＨＥ．５ｖｉ?Ｑｕｅｕｅｄ?｜??□?ｇＣＩＳ?Ｏｂｔｅｓｔ?ｓｌｉｄｅ＾ＰＯｔｌ－２０?Ｅ？１?ＣｒｔＳＢＴ＾：ＰＤＬ１－Ｍ＿ｗｓ?Ｑｕｅｕｅｄ?ｙ?－??Ｉ：：］?Ｑ３Ｓ?ＱＡｔｃｓｔ?？ｌｉｄ？＊＼ｉｐｅｆｍ?ＦＩＳＨ?Ｂ９?Ｃ：＼ＳＢＴＫ＼ｊｐ....

圖１－３數據分組分配流程圖??Ｆｉｕｒｅ?１－３?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｄａｔａａｃｋｅｔ?ａｌｌｏｃａｔｉｏｎ??

?領士學位論文???③最終分組：根據以上的分組條件將研宄對象分為反應組／部分反應組４１??例（Ｎ＝４１），不反應組／進展組４８例（Ｎ＝４８）。??（２）訓練集與測試集數據分配??為了得到有價值的結果，考慮到數據的分配問題，為了保證客觀性，防止挑??數據的現(xiàn)象出現(xiàn)，在數據分配上，訓....

圖１－５切片分塊、數據增強展示??

?碩士學位論文???Ｓ?圍■＿，??（ａ）??ｍｍｍｍ??（ｂ）??圖１－５切片分塊、數據增強展示??（ａ）反應組／部分反應組（ｂ）不反應組／進展組??Ｆｉｇｕｒｅ?１－５?Ｓｌｉｃｉｎｇ?ａｎｄ?ｄａｔａ?ｄｉｓｐｌａｙ??（ａ）?Ｒｅｓｐｏｎｓｅ?ｇｒｏｕｐ?／?ｐａｒｔｉａ....

本文編號：3946900