生物信息学在肝细胞癌风险预测中的应用

生物信息学是一门交叉科学,通过综合运用数学、计算机科学和生物学的各种工具,来阐明和理解大量生物数据所包含的生物学意义。随着基因组学测序技术的不断发展,产生大量的生物学数据资源,从大数据中挖掘所蕴藏的生物学意义,已成为了当前亟待解决的主要任务之一。本文主要归纳总结基于特征基因的肝癌风险预测模型,为肝癌的早期检测、预后和治疗方案的优化提供新观点。     

深度学习在原发性肝癌相关诊断模型中的应用与前景

深度学习是机器学习通过大量数据训练及分析来模拟人脑的学习行为而获得新的知识和技能。随着医学技术的进步,医学领域积累了大量的数据,对数据的研究有助于深入了解数据内的联系与规律,从而有助于预测人类疾病的发生与预后。深度学习通过找出数据中隐藏的信息,在医学领域中的应用日益突出。原发性肝癌是发病率和死亡率很高的恶性肿瘤,预后差,复发率高,如何早期诊断、及时治疗、预测复发等一直是研究重点之一。本文从肝癌发生风险预测、术后复发与生存风险预测等方面闸述深度学习在肝癌诊断及复发方面的应用进展。