基于卷积神经网络的乳腺癌分子分型预测研究

作者：任湘; 张朋; 范明; 厉力华^*

来源：杭州电子科技大学学报(自然科学版), 2018, 38(05): 66-71.

DOI：10.13954/j.cnki.hdu.2018.05.013

• 乳腺癌
• 分子分型
• 卷积神经网络
• 深度学习

探索深度卷积神经网络在乳腺癌分子分型预测中的应用。回顾性分析171例术前、化疗前行免疫组化病理检查及动态增强磁共振DCR-MRI检查的乳腺癌患者。根据病例免疫组化检查结果将乳腺癌病例分为Luminal A,Luminal B,HER-2过表达和Basal-like 4种分子分型。考虑到样本类别数量及其平衡性,对Luminal B型与非Luminal B型(包括其他3种类型)进行研究。首先,根据医生标注的病灶信息从原始DCE-MRI影像中提取包含病灶的目标区域图像。然后,运用深度卷积神经网络对感兴趣区域进行卷积运算,通过训练获得分类模型。最后,对分类模型的预测结果进行分析。结果表明,通过深度卷积神经网络对乳腺癌分子分型预测的受试者的DCE-MRI影像进行分析,其工作特征曲线下面积最高值为0.697,有一定预测效果。

• 单位
  杭州电子科技大学