期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
改进BYOL的非小细胞肺癌表皮生长因子受体基因突变预测
被引量：
2
1
作者
杨嘉楠
王忠昊
+2 位作者
王昊霖
耿国华
曹欣
《光学精密工程》
EI
CAS
CSCD
北大核心
2022年第9期1080-1090,共11页
通过表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)突变情况可以对患者是否患有非小细胞肺癌(Non-small Cell Lung Cancer,NSCLC)进行检测。提出了一种基于对比学习的自监督EGFR基因突变预测方法,在不需要大量专家手工标注...
通过表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)突变情况可以对患者是否患有非小细胞肺癌(Non-small Cell Lung Cancer,NSCLC)进行检测。提出了一种基于对比学习的自监督EGFR基因突变预测方法,在不需要大量专家手工标注患者数据集的情况下,对输入网络的患者病灶区图像进行阴性、阳性预测。对自监督BYOL网络进行修改,增加了网络投影层非线性多层感知器(Multilayer Perceptron,MLP)的层数,并将患者CT和PET两个模态的图像数据融合作为网络的输入,在不需要大量标注患者数据集的情况下,对阴性、阳性病例进行预测。在非小细胞肺癌EGFR基因突变数据集上,与传统的影像组学、有监督VGG-16网络、有监督ResNet-50、有监督Inception v3和无监督迁移学习CAE进行对比。实验结果表明,使用对比学习从患者的CT和PET图像学习到的患者病灶区图像的实例特征可以对阴性、阳性病例进行区分,并取得了77%的曲线下面积(Area Under the Curve,AUC);相对于传统的影像组学方法分类结果AUC提高了7%,相对于有监督VGG-16网络的分类结果AUC提高了5%;在不需要大量专家手工标注数据集及大量患者临床数据的情况下仅比有监督ResNet-50 AUC低9%。改进BYOL网络仅需要少量标注的患者数据集便可得到比部分传统有监督方法更准确的检测结果,展示了其辅助临床决策的潜力。
展开更多
关键词
医学图像处理
深度学习
对比学习
PET/CT
肺
非
小细胞
肺癌
基因
突变
预测
在线阅读
下载PDF
职称材料
青老年肺癌患者p53基因突变情况的对比研究
2
作者
胡咏武
董光同
+3 位作者
李红智
高元兴
蒋成榜
郑哲
《中国肺癌杂志》
CAS
2001年第5期333-335,共3页
目的 分析 45例青老年肺癌中p5 3基因突变 ,比较青年肺癌与老年肺癌p5 3基因突变的差异。方法 45例患者均为温州医学院附属第一医院胸外科收治的病例 ,其中 2 2例为 2 0～ 45岁肺癌患者 ,2 3例为5 5～ 80岁肺癌患者。应用PCR SSCP银...
目的 分析 45例青老年肺癌中p5 3基因突变 ,比较青年肺癌与老年肺癌p5 3基因突变的差异。方法 45例患者均为温州医学院附属第一医院胸外科收治的病例 ,其中 2 2例为 2 0～ 45岁肺癌患者 ,2 3例为5 5～ 80岁肺癌患者。应用PCR SSCP银染技术检测p5 3基因的突变情况 ,并进行PCR产物直接测序。结果 发现青年组和老年组中p5 3基因突变情况基本相同 ( 5 0 .0 %比 5 2 .2 % ) ,其中小细胞肺癌突变率分别为 70 .0 %( 7/10 )和 75 .0 % ( 6 /8) ,非小细胞肺癌突变率分别为 33 .3 % ( 4 /12 )和 40 .0 % ( 6 /15 ) ,差异均无显著性 (P >0 .0 5 )。结论 青年肺癌和老年肺癌p5 3基因突变并无明显差异 ,提示p5 3基因的突变不属“先天”
展开更多
关键词
肺肿瘤
P53基因
聚合酶逻反应
单链构象多态性
银染技术
小细胞
肺癌
突变
非小细胞肺癌突变
在线阅读
下载PDF
职称材料
题名
改进BYOL的非小细胞肺癌表皮生长因子受体基因突变预测
被引量：
2
1
作者
杨嘉楠
王忠昊
王昊霖
耿国华
曹欣
机构
西北大学信息科学与技术学院
西北大学文化遗产数字化国家地方联合工程研究中心
出处
《光学精密工程》
EI
CAS
CSCD
北大核心
2022年第9期1080-1090,共11页
基金
国家自然科学基金资助项目(No.61701403)
中国博士后科学研究基金资助项目(No.2018M643719)
陕西省科协青年人才托举计划资助项目(No.20190107)。
文摘
通过表皮生长因子受体(Epidermal Growth Factor Receptor,EGFR)突变情况可以对患者是否患有非小细胞肺癌(Non-small Cell Lung Cancer,NSCLC)进行检测。提出了一种基于对比学习的自监督EGFR基因突变预测方法,在不需要大量专家手工标注患者数据集的情况下,对输入网络的患者病灶区图像进行阴性、阳性预测。对自监督BYOL网络进行修改,增加了网络投影层非线性多层感知器(Multilayer Perceptron,MLP)的层数,并将患者CT和PET两个模态的图像数据融合作为网络的输入,在不需要大量标注患者数据集的情况下,对阴性、阳性病例进行预测。在非小细胞肺癌EGFR基因突变数据集上,与传统的影像组学、有监督VGG-16网络、有监督ResNet-50、有监督Inception v3和无监督迁移学习CAE进行对比。实验结果表明,使用对比学习从患者的CT和PET图像学习到的患者病灶区图像的实例特征可以对阴性、阳性病例进行区分,并取得了77%的曲线下面积(Area Under the Curve,AUC);相对于传统的影像组学方法分类结果AUC提高了7%,相对于有监督VGG-16网络的分类结果AUC提高了5%;在不需要大量专家手工标注数据集及大量患者临床数据的情况下仅比有监督ResNet-50 AUC低9%。改进BYOL网络仅需要少量标注的患者数据集便可得到比部分传统有监督方法更准确的检测结果,展示了其辅助临床决策的潜力。
关键词
医学图像处理
深度学习
对比学习
PET/CT
肺
非
小细胞
肺癌
基因
突变
预测
Keywords
medical image processing
deep learning
contrastive learning
PET/CT
prediction of gene mutations in lung non-small cell lung cancer
分类号
TP394.1 [自动化与计算机技术—计算机应用技术]
TH691.9 [机械工程—机械制造及自动化]
在线阅读
下载PDF
职称材料
题名
青老年肺癌患者p53基因突变情况的对比研究
2
作者
胡咏武
董光同
李红智
高元兴
蒋成榜
郑哲
机构
温州医学院遗传教研室
温州医学院附属第一医院胸外科
温州医学院麻醉科
出处
《中国肺癌杂志》
CAS
2001年第5期333-335,共3页
文摘
目的 分析 45例青老年肺癌中p5 3基因突变 ,比较青年肺癌与老年肺癌p5 3基因突变的差异。方法 45例患者均为温州医学院附属第一医院胸外科收治的病例 ,其中 2 2例为 2 0～ 45岁肺癌患者 ,2 3例为5 5～ 80岁肺癌患者。应用PCR SSCP银染技术检测p5 3基因的突变情况 ,并进行PCR产物直接测序。结果 发现青年组和老年组中p5 3基因突变情况基本相同 ( 5 0 .0 %比 5 2 .2 % ) ,其中小细胞肺癌突变率分别为 70 .0 %( 7/10 )和 75 .0 % ( 6 /8) ,非小细胞肺癌突变率分别为 33 .3 % ( 4 /12 )和 40 .0 % ( 6 /15 ) ,差异均无显著性 (P >0 .0 5 )。结论 青年肺癌和老年肺癌p5 3基因突变并无明显差异 ,提示p5 3基因的突变不属“先天”
关键词
肺肿瘤
P53基因
聚合酶逻反应
单链构象多态性
银染技术
小细胞
肺癌
突变
非小细胞肺癌突变
Keywords
Lung neoplasms p53 gene Polymerase chain reaction (PCR) Single strand conformation polymorphism (SSCP) Silver staining
分类号
R734.2 [医药卫生—肿瘤]
R730.231.3 [医药卫生—肿瘤]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
改进BYOL的非小细胞肺癌表皮生长因子受体基因突变预测
杨嘉楠
王忠昊
王昊霖
耿国华
曹欣
《光学精密工程》
EI
CAS
CSCD
北大核心
2022
2
在线阅读
下载PDF
职称材料
2
青老年肺癌患者p53基因突变情况的对比研究
胡咏武
董光同
李红智
高元兴
蒋成榜
郑哲
《中国肺癌杂志》
CAS
2001
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
