29、生物医学中的智能诊断与图像分割技术

生物医学中的智能诊断与图像分割技术

1 非侵入性膀胱癌诊断的智能临床决策支持系统

1.1 研究背景与目标

在生物医学信息学领域，非侵入性膀胱癌（BCa）诊断是一个具有挑战性的问题。此前没有关于测量膀胱癌中游离循环 miRNA 的研究。肿瘤来源的 miRNA 与循环 miRNA 不同，后者可能还包含其他释放这些 microRNA 的组织或细胞，代表了肿瘤与宿主相互作用的结果。本研究旨在通过数据知识发现方法，利用计算智能手段，基于血浆 microRNA（miRNA）开发用于非侵入性膀胱癌诊断的智能分子生物标志物。这是首次将血浆 miRNA 与人工智能相结合，以非侵入性方式预测膀胱癌诊断，系统的预测准确率在 91.67% 至 100% 之间。

1.2 研究方法

1.2.1 数据获取与预处理

用于开发非侵入性 BCa i - 生物标志物的数据集是使用定制的 microRNA 阵列获取的，数据干净且无缺失值。预处理步骤包括：
1. 背景校正 ：通过从 “F635 Median” 中减去 “B635 Median” 来调整阵列间的强度读数，以消除因处理标记、杂交和扫描的细微差异导致的技术变异性，所得值代表基因表达数据。
2. 数据转换与归一化 ：将原始数据转换为 log2 尺度，并使用分位数归一化方法进行归一化。
3. 数据质量评估 ：使用密度图、箱线图、无监督层次聚类（基于皮尔逊相关性和 Ward 链接规则）和主成分分析（PCA）评估数据质量。
4. 数据过滤