基于潜在空间学习的癌症患者生存预后分析方法研究.docx

摘要

近些年来，越来越多的研究致力于对包含在多模态数据（例如组织病理学图像和基因组数据）中的互补性信息进行综合分析，从而提高模型对癌症患者预后分析的性能。但是，基于多模态数据的生存预后分析面临着一个关键问题，即如何探索不同模态数据间固有的潜在关系，以学习更具判别力的多模态潜在表示。在这篇文章中，我们提出了一种关系诱导的潜在空间学习方法，并结合Cox模型对癌症患者进行预后分析。具体来说，该方法通过双向映射来学习多模态数据的潜在空间，并且在该潜在空间内设计了两个关系正则化器用以探索多模态数据之间的潜在关系（即特征-特征关系和特征-标签关系），能在诱导产生更具判别力的潜在表示的同时获得额外的