检索结果-南通市图书馆

作者：韩孟杰吉林大学

学位级别：硕士

使用全基因组的多组学数据可以为癌症风险的预测提供有价值的信息,将多维组学数据与癌症结果(生存或死亡)相关联有助于弥合基因组信息与临床医学之间的差距。通过整合多组学数据,根据患者特定的基因组成评估医疗风险(即预后风险评估),... 详细信息

使用全基因组的多组学数据可以为癌症风险的预测提供有价值的信息,将多维组学数据与癌症结果(生存或死亡)相关联有助于弥合基因组信息与临床医学之间的差距。通过整合多组学数据,根据患者特定的基因组成评估医疗风险(即预后风险评估),可以及时对患者提供预后干预,显著提高患者生存率。将高维低样本量的多组学数据集成到预后风险评估中存在统计学和计算上的挑战,而且现有的基于神经网络对多组学数据进行预后风险评估的算法较少考虑病人间的拓扑关系,也忽略了生物网络中的图结构本身是具有噪音的。为了解决上述的局限性,本文首先通过统计检验的方法,结合肿瘤相关知识筛选具有鲁棒和生物学意义的基因,并结合生物学知识对基因进行了生信分析。以5年生存率为标准筛选两大类肿瘤,结合广义似然比检验和倍数法筛选肿瘤组织与正常人体组织表达水平存在差异的基因,使用超几何检验的方法将基因富集到通路。因为通路存在冗余的情况,而不同通路之间的关系可以用有向无环图表示,因此本文结合基于节点和基于边两种算法的优势,计算通路之间的相似性并划分功能集。通过对功能集进行生物分析,证实筛选获得的基因在肿瘤发展过程中具有重要的生物学意义。其次,我们在生信分析获得基因集的基础上,提出了一种新的肿瘤预后风险评估方法,它结合了图神经网络、卷积神经网络和多种注意力机制,来对肿瘤患者进行预后风险评估,实现生存风险分层。模型主要分为三个框架:(1)基于双重注意力机制的图神经网络,它通过节点层面的注意力机制计算某节点的邻居节点的不同贡献度,对各个节点的嵌入表示进行加权聚合;通过节点之间的关联层注意力机制来聚合不同节点之间的相似性关系;最终可以学习节点间的网络拓扑结构,也能充分考虑各个节点的重要性关系、节点与其邻域节点的相关性强弱,聚合多种信息,进而学习到鲁棒的语义表示。(2)多组学注意力机制结合卷积神经网络,先对组学特征分别进行卷积操作,充分学习组学特征内表示,然后通过组学注意力机制权衡不同组学对预后风险评估的贡献不同,最后将组学语义信息通过卷积融合得到全局组学语义表示。(3)为了更好地利用两种预后模型的优势,我们提出了基于图重要性嵌入和组学重要性嵌入的预后模型。实验通过十折交叉验证在胰腺癌的多组学数据以及生存数据上进行训练,结果表明该方法取得了最好的效果,能有效的划分胰腺癌的生存亚型。

关键词：癌症多组学数据分析预后风险评估图神经网络卷积神经网络注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于神经网络的Cox模型在慢性心衰患者生存分析中的应用

基于神经网络的Cox模型在慢性心衰患者生存分析中的应用

引用

作者：李晨昊山西医科大学

学位级别：硕士

目的:以往心衰患者预后风险评估多采用Cox比例风险模型,但是该模型受到严格的线性比例风险假定的限制。本研究通过构建基于神经网络的Cox模型来解除经典Cox模型的线性比例风险限制,对变量之间存在复杂关系的慢性心衰患者数据建模,实现... 详细信息

目的:以往心衰患者预后风险评估多采用Cox比例风险模型,但是该模型受到严格的线性比例风险假定的限制。本研究通过构建基于神经网络的Cox模型来解除经典Cox模型的线性比例风险限制,对变量之间存在复杂关系的慢性心衰患者数据建模,实现对其更加准确的个体化预后风险评估,以识别高危患者,进一步指导临床医生选择合适的治疗方案提高患者生存率并避免不必要的治疗。方法:本研究包含两部分数据:1.四个在生存分析领域中常用的基准数据库(SUPPORT、METABRIC、GBSG、FLCHAIN);2.收集山西省两所三甲医院2014年1月1日至2019年2月15日期间,明确被诊断为慢性心力衰竭且符合本研究纳排标准的患者病历数据。首先利用四个变量数目不同、删失率不同、比例风险假定满足情况不同的基准数据库对传统Cox模型和三种基于神经网络的Cox模型(Deepsurv、Cox-CC、Cox-Time)的区分和校准能力进行验证,然后在心衰患者数据中,通过单因素Cox模型初筛变量,分别构建Cox、Lasso-Cox和三种基于神经网络的Cox模型(Deepsurv、Cox-CC、Cox-Time)对心衰患者预后风险进行评估,利用C和IBS评价不同模型的表现。结果:1.四个基准数据集中,在C和IBS两个评价指标的表现上,经典Cox模型表现最差。Deep Surv和Cox-CC这两种方法基本原理类似,相应的C和IBS结果非常接近。Cox-Time的综合表现是最好的,在三个基准数据集上都取得了最优的C和IBS值,但在FLCHAIN数据集(该数据集中变量基本都满足风险比例假定)上表现一般。2.在心衰患者数据中,Cox模型在C和IBS两项指标的表现上均为最差(C:0.776,IBS:0.098)。Lasso-Cox的表现较Cox模型有所提高(C:0.794,IBS:0.096)。两种考虑到协变量非线性关系的模型Deepsurv和Cox-CC表现相差不大,C分别为0.816、0.812,IBS分别为0.093、0.094,均有着很好的判别能力和校准能力。Cox-Time模型的C为0.829,IBS为0.084,表现最好,说明其对患者预后预测更加准确,能够更为准确地评估患者预后生存率和生存时间。结论:本研究使用了三种新型的基于神经网络的Cox模型(Deepsurv、Cox-CC、Cox-Time)来建立慢性心力衰竭患者预后风险评估模型,并与传统的Cox模型、Lasso-Cox模型相对比。结果显示Deep Surv、Cox-CC这两种模型利用神经网络特性很好地刻画了变量间复杂的非线性关系,取得了较传统生存分析模型更好的表现;Cox-Time模型在Deep Surv、Cox-CC的基础上,引入了时间协变量,进一步对比例风险假定进行了拓展,取得了更好的区分和校准能力;相较于其他模型,Cox-Time这种限制较少的模型更适用于变量间存在复杂关系、不满足线性比例风险假定的真实世界数据的生存分析研究。基于神经网络的Cox模型可以提高心衰患者预后预测的准确性,对患者进行个体化风险评估以识别高危患者,为进一步有效干预提供决策基础,具有实际应用价值。

关键词：慢性心力衰竭生存分析神经网络 Cox模型预后风险评估

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

胰腺癌预后因素的研究进展

引用

中文科技期刊数据库（全文版）医药卫生 2022年第6期 154-156页

作者：苟和松莫小华昆明医科大学第二附属医院肝胆胰外科三病区云南昆明650000

胰腺癌(PC),恶性程度很高,预后很差。虽然近年来诊断技术、治疗手段等取得了显著的进步,但过去的十余年中,PC的发病率和死亡率持续上升趋势。大量研究表明:基因、病理参数、影像特征、生化指标、临床参数、治疗方案等对PC患者的预后有... 详细信息

胰腺癌(PC),恶性程度很高,预后很差。虽然近年来诊断技术、治疗手段等取得了显著的进步,但过去的十余年中,PC的发病率和死亡率持续上升趋势。大量研究表明:基因、病理参数、影像特征、生化指标、临床参数、治疗方案等对PC患者的预后有很好的预测作用。探索出对胰腺癌患者预后影响较大的危险因素,协助医生给予个体化的治疗,最终使患者有明显的临床获益,本篇文章将对影响胰腺癌发病率、死亡率的预后因子做一个综述。

关键词：胰腺癌预后因素预后风险评估

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：