首页|放射多组学协同学习预测鼻咽癌自适应放疗触发机制

放射多组学协同学习预测鼻咽癌自适应放疗触发机制

扫码查看
原文链接
  • 万方数据
  • 维普
针对传统的放射多组学(影像组学、剂量组学和轮廓组学)模型往往采用特征拼接的方式,容易忽略不同组学特定统计属性、产生过拟合的问题,提出了以一致性约束和自适应权重为核心构建的多组学协同学习算法(multi-omics collaborative learning,MOCL).该算法采用一致性约束挖掘不同组学特征之间的互补模式,再通过香农熵自适应学习不同组学特征的权重,最后引入紧致度图来避免过拟合现象.通过将MOCL在311名鼻咽癌患者组成的临床影像数据上得到的实验结果与 3 种传统的机器学习算法以及 2 种多视角算法进行比较,结果表明MOCL在多组学协同学习上,具有一定的优势,能为鼻咽癌自适应放疗资格预测提供有价值的决策依据.
Radioactive multi-omics collaborative learning for adaptive radiation therapy eligibility prediction in nasopharyngeal carcinoma
Traditional radiation omics models,including radiomics,dosiomics,and contouromics,typically adopt fea-ture splicing,which tends to ignore the specific statistical attributes of different omics and therefore leads to overfitting.A multi-omics collaborative learning(MOCL)algorithm focused on consistency constraints and adaptive weights was proposed in the study to address this problem.The MOCL algorithm employs consistency constraints to explore comple-mentary patterns among heterogeneous omics features and adaptively learns their weights using Shannon entropy while avoiding overfitting through compactness mapping.An experiment was conducted on the clinical imaging data of 311 patients with nasopharyngeal carcinoma using MOCL.The experimental result is compared with three traditional ma-chine learning algorithms and two multiperspective algorithms.The results demonstrate that MOCL has certain advant-ages in collaborative learning of multi-omics and can provide a valuable prediction basis for adaptive radiotherapy quali-fication in the case of nasopharyngeal carcinoma.

data fusionmachine learningfeature extractionfeature selectionforecastingimage analysisadaptive al-gorithmsnasopharyngeal carcinomamulti-omic

邱成羽、李兵、林世杰、盛嘉宝、滕信智、张将、程煜婷、张馨匀、周塔、葛红、张远鹏、蔡璟

展开 >

香港理工大学 健康科技与资讯学系, 香港 999077

南通大学 医学信息学系, 江苏 南通 226019

郑州大学附属肿瘤医院, 河南 郑州 450008

香港理工大学深圳研究院, 广东 深圳 518057

香港理工大学 生物医学工程学系, 香港 999077

展开 >

数据融合 机器学习 特征提取 特征选择 预测 图像分析 自适应算法 鼻咽癌 多组学

国家自然科学基金深圳市科创委深圳市基础研究计划深圳-香港-澳门科技计划(C类)江苏省自然科学基金河南省医学科学技术研究省部共建项目河南省医学科学技术研究省部共建项目河南省重点研发与推广项目(科学技术研究)河南省自然科学基金河南省自然科学基金河南省科学技术研究项目

82072019JCYJ20210324130209023SGDX20201103095002019BK20201441SBGJ202103038SBGJ202102056222102310015222300420575232300420231222102310322

2024

10.11992/tis.202304029

智能系统学报
中国人工智能学会　哈尔滨工程大学

智能系统学报

CSTPCD北大核心
影响因子：0.672
ISSN：1673-4785
年,卷(期)：2024.19(1)
  • 25