背景結(jié)直腸癌(Colorectal cancer,CRC),全球高發(fā)惡性腫瘤[1,2]�；熓且种菩g(shù)后腫瘤生長(zhǎng)的重要方式,極大提高了患者的生存期[3,4]。但不同個(gè)體對(duì)化療反應(yīng)不盡相同,僅20%真正得到臨床獲益,仍有多數(shù)出現(xiàn)化療不反應(yīng)(抵抗)。關(guān)于化療效果的評(píng)價(jià),療程結(jié)束后腫瘤標(biāo)志物CA199、癌胚抗原CEA檢測(cè)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(yù)測(cè)關(guān)于化療不反應(yīng)的功能機(jī)制、耐藥基因及分子靶點(diǎn)的研究,不勝枚舉,但仍待進(jìn)一步整合及驗(yàn)證。無(wú)法在化療前,預(yù)先評(píng)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(wú)創(chuàng)高效的預(yù)測(cè)手段,精準(zhǔn)篩選適宜人群。人工智能(Artificial Intelligence,AI),憑借其強(qiáng)大的圖像識(shí)別、特征分析技術(shù)為創(chuàng)新結(jié)直腸癌預(yù)后評(píng)估方式帶來(lái)了新角度,越來(lái)越多海內(nèi)外研究期望聯(lián)合AI解決此類臨床難題。目前,在結(jié)直腸癌領(lǐng)域,借助AI平臺(tái)協(xié)助評(píng)估預(yù)后主要是基于影像[5-7],基于病理將臨床特征與預(yù)后狀況通過(guò)AI算法相聯(lián)系尚未得到有效開(kāi)展。但已有研究證實(shí)可使用AI引導(dǎo)機(jī)器學(xué)習(xí)分析前列腺癌等病理圖片預(yù)測(cè)患者疾病進(jìn)展風(fēng)險(xiǎn)[8]。上述研究無(wú)疑能為結(jié)直...

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１－】數(shù)據(jù)轉(zhuǎn)換（選定－轉(zhuǎn)換）??Ｆｉｇｕｒｅ?１－１?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｓｅｌｅｃｔｉｏｎ－ｃｏｎｖｅｒｓｉｏｎ）??

?碰士學(xué)位論文???表１－１病理掃描儀數(shù)據(jù)詳情??Ｔａｂｌｅ?１－１?Ｐａｔｈｏｌｏｇｉｃａｌ?ｓｃａｎｎｅｒ?ｄａｔａ?ｄｅｔａｉｌｓ??掃描儀品牌?型號(hào)?倍數(shù)?生成格式??Ｌｅｉｃａ?Ａｐｅｒｉｏ?ＡＴ２?４０Ｘ?ＮＤＰＩ??３ＤＨＩＳＴＥＣＨ?Ｐａｎｎｏｒａｍｉ?ｃ?ＳＣＡ....

圖１－２數(shù)據(jù)轉(zhuǎn)換（轉(zhuǎn)換－儲(chǔ)存）??Ｆｉｇｕｒｅ?１－２?Ｄａｔａ?ｃｏｎｖｅｒｓｉｏｎ?（ｃｏｎｖｅｒｓｉｏｎ－ｓｔｏｒａｇｅ）??１．３．４研究對(duì)象分組及數(shù)據(jù)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(shù)據(jù)分組分配流程圖??Ｆｉｕｒｅ?１－３?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ｄａｔａａｃｋｅｔ?ａｌｌｏｃａｔｉｏｎ??

?領(lǐng)士學(xué)位論文???③最終分組：根據(jù)以上的分組條件將研宄對(duì)象分為反應(yīng)組／部分反應(yīng)組４１??例（Ｎ＝４１），不反應(yīng)組／進(jìn)展組４８例（Ｎ＝４８）。??（２）訓(xùn)練集與測(cè)試集數(shù)據(jù)分配??為了得到有價(jià)值的結(jié)果，考慮到數(shù)據(jù)的分配問(wèn)題，為了保證客觀性，防止挑??數(shù)據(jù)的現(xiàn)象出現(xiàn)，在數(shù)據(jù)分配上，訓(xùn)....

圖１－５切片分塊、數(shù)據(jù)增強(qiáng)展示??

?碩士學(xué)位論文???Ｓ?圍■＿，??（ａ）??ｍｍｍｍ??（ｂ）??圖１－５切片分塊、數(shù)據(jù)增強(qiáng)展示??（ａ）反應(yīng)組／部分反應(yīng)組（ｂ）不反應(yīng)組／進(jìn)展組??Ｆｉｇｕｒｅ?１－５?Ｓｌｉｃｉｎｇ?ａｎｄ?ｄａｔａ?ｄｉｓｐｌａｙ??（ａ）?Ｒｅｓｐｏｎｓｅ?ｇｒｏｕｐ?／?ｐａｒｔｉａ....

本文編號(hào)：3946900