• <table id="aaca2"><center id="aaca2"></center></table>
    <blockquote id="aaca2"></blockquote>
  • <menu id="aaca2"><center id="aaca2"></center></menu>
  • 學術研究

    學術研究

    科研資訊

    【成果宣介】我校數學與統計學院姚玉華教授在權威期刊《Briefings in Bioinformatics》發表論文

    2022年12月06日  10:28 來源:本站 點擊: [打印] [收藏] [關閉]

          2022年11月,我校數學與統計學院姚玉華教授等人在國際生物信息學知名期刊《Briefings in Bioinformatics》上正式發表了題為“ICSDA: a multi-modal deep learning model to predict breast cancer recurrence and metastasis risk by integrating pathological, clinical and gene expression data”的研究論文(DOI: 10.1093/bib/bbac448)!禕riefings in Bioinformatics》是中科院SCI生物大類二區Top期刊,數學與計算生物學小類一區期刊,2021年的影響因子為13.994。海南師范大學為論文第一完成單位,姚玉華教授為論文第一作者,其2019級碩士研究生呂亞萍為論文共同第一作者。該研究得到國家自然科學基金項目和海南省自然科學基金項目的支持。

          乳腺癌是嚴重威脅女性健康的惡性腫瘤,其術后復發和轉移是導致乳腺癌患者死亡的主要原因。隨著新一代測序技術的發展,基于基因表達譜、臨床信息和DNA拷貝數等多組學的乳腺癌診斷和預后研究正迅速而廣泛的應用于臨床,因此,在多組學數據發展的基礎上,迫切需要更多數據信息的交叉融合和有效的計算方法來準確預測乳腺癌的復發和轉移。

          論文嘗試從多模態數據融合的角度出發,研究多組學與病理圖像數據的有效融合預測復發轉移風險的方法,利用不同模態數據的互補性,揭示乳腺癌復發轉移風險關鍵因素,提高預測性能。通過研究和比較幾種分子生物標志物(miRNA、lncRNA、mRNA和CNV等)在預測乳腺癌復發和轉移風險中的作用,整合病理學圖像和測序數據建立預測模型。該模型基于弱監督學習和遷移學習的融合算法,并通過注意力模塊自動定位高度相關的診斷區域并做出最終預測。與其他機器學習模型如隨機森林、邏輯回歸、支持向量機等進行對比,論文研究結果表現出較高的準確度和敏感性;卺t學圖像和分子測序技術的癌癥預后的研究有助于識別復發和轉移的高風險癌癥患者,為術后輔助治療提供有效指導。

    【成果宣介】我校數學與統計學院姚玉華教授在權威期刊《Briefings in Bioinformatics》發表論文

    日本老妇性爱视频
  • <table id="aaca2"><center id="aaca2"></center></table>
    <blockquote id="aaca2"></blockquote>
  • <menu id="aaca2"><center id="aaca2"></center></menu>