关键词： 结直肠癌   肿瘤突变负荷预测   数字病理图   多实例学习   深度学习  

摘要： 结直肠癌是发病率以及死亡率最高的恶性肿瘤之一,在早期治疗中主要以肿瘤切除为主,晚期则对患者进行放射治疗或者化学治疗。两种治疗方式均为侵入式疗法,会对患者机体产生一定的副作用。近年来,一种叫作免疫阻断性疗法的新型疗法被应用在结直肠癌治疗中。该疗法需要预先测定患者的肿瘤突变负荷(Tumor Mutation Burden,TMB),以此判断患者是否适用该疗法。然而,TMB需要通过第二代测序方法测量,并且得到测量结果至少需要两至三周的时间。该方法花费高昂,会给医生患者增加较多的经济和时间成本。因此,急需一种经济方便的方法以测得TMB。随着计算机技术的进步,病理组织切片得以数字化,并保存为数字病理图。机体内细胞组织等是由基因编译调控生成,而TMB是与基因变异相关的测量指标,因此本文认为数字病理图能在宏观上反映微观上的基因信息。与此同时,基于深度学习的数字病理图分析的研究也层出不穷。因此,本研究通过深度学习的方法,利用结直肠癌数字病理图来预测患者的TMB。具体研究内容包括以下几个方面: 1)本文提出一种基于注意力多实例学习的TMB预测框架。图像块监督学习方法是TMB预测任务研究中的主流方法,但该方法需要耗费巨大的计算资源。近年来,多实例学习方法被应用在数字病理图分析研究中。该方法的优点是使用更少的计算资源,并且能得到性能与图像块监督学习方法相近甚至更优的模型。因此,本文引入基于注意力多实例学习模型对结直肠癌TMB进行预测,并在TCGA公开数据集上进行多个实验以验证该模型的可行性。经过五折交叉验证,基于注意力多实例学习模型的平均AUC达到了0.7988。尽管该结果逊于图像块监督学习模型的0.9012,但前者训练时间和检测速度要比后者快得多。 2)为了充分地学习利用数字病理图中的组织信息,本文提出了基于K均值聚类多实例学习模型的TMB预测框架。首先,该模型能自动对组织进行分类,且该过程无需医生对数字病理图的组织区域进行勾画。再者,该模型自适应地为不同组织分配不同的注意力权重,并综合注意力权重最终对TMB进行预测。本文通过实验证明了K均值聚类多实例学习模型能够提高模型的预测性能,且AUC达到了0.8147。 3)为了充分地学习利用数字病理图中的空间位置信息,本文提出了基于图神经网络多实例学习模型的TMB预测框架。前述的多实例学习方法获取到实例中图像特征信息,但忽略了实例之间的空间位置信息。因此,本文将引入图神经网络,引导模型学习数字病理图组织中的空间位置信息,最终将其与纹理等语义信息进行融合并对TMB进行预测。通过实验证明,利用图神经网络可以学习到数字病理图中的更多特征,并提高了模型的预测性能,最终AUC达到了0.8334。 综上所述,本研究提出了一种基于注意力多实例学习的结直肠癌TMB预测框架,以实现用经济快速的计算机辅助检测方法代替第二代基因检测技术。本文验证了该种方法的可行性,有望在未来在为临床医生提供帮助的同时,也为患者省下了高昂的治疗成本。

关键词： EEG信号   深度学习   卷积神经网络   自闭症筛查  

摘要： 自闭症谱系障碍（Autism Spectrum Disorder,ASD）是一种神经发育障碍性疾病。近年来自闭症的发病率不断上升,2019年行业机构保守估计我国自闭症的发病率在1%左右[1]。研究表明在患病早期对自闭症患者进行干预治疗,能够有效缓解其症状。但是传统自闭症筛查手段依靠医生对照一系列量表观察评估患者行为,无法实现大规模的筛查,因此亟需一种自动化的自闭症筛查方法帮助医生进行ASD诊断。 脑电（Electroencephalogram,EEG）信号具有成本低、采集方便、无创等优点,一定程度上反映了大脑活动状态。当前极少有研究将基于EEG信号的脑功能连通性用于自闭症诊断,而神经科学及功能磁共振成像（Functional Magnetic Resonance Imaging,f MRI）的研究又证明ASD与发育正常（Typically Developing,TD）个体的脑功能连通性存在差异,因而本文提出了基于EEG信号连通性的自闭症筛查手段。 由于自闭症的样本数量有限,大部分基于EEG信号的自闭症筛查研究都将个体的EEG信号切分成多个样本以扩充样本数量,基于个体识别的研究较少。此外,EEG信号的高时间分辨率这一重要特征一直没有被研究者重视,因而,本文提出了基于EEG信号的脑时空连通图,构建基于深度学习的自闭症个体筛查模型。 本文创新性地将EEG信号的大脑功能连通性用于自闭症筛查模型,并充分利用EEG信号的频域和时域特征,构建脑功能连通图和脑时空连通图,证明了基于深度学习的大脑功能连通性分析方法对于自闭症筛查的有效性。本文主要工作如下: （1）在两个公开数据集上构建基于EEG信号的大脑功能连接矩阵。首先本文收集了两个EEG信号公开数据集并对其进行预处理,并划分出Delta、Theta、Alpha、Beta、Gamma和Raw共6种频段数据。然后以皮尔森相关系数（Pearson Correlation Coefficient,PCC）与互信息（Mutual Information,MI）分别作为脑功能连接系数,得到各数据集的脑功能连接矩阵。 （2）提出了基于脑功能连通图的自闭症筛查模型,实现对ASD与TD的样本分类。本文在脑功能连接矩阵的基础上生成脑功能连通图,利用深度学习方法在两个数据集上构建了基于脑功能连通图的自闭症筛查模型。模型采用卷积神经网络结构,并在每个数据集的6种频段数据上进行训练与测试。模型在338人规模的数据集上取得了99.53%的最高识别准确率,在502人规模的数据集上取得了98.15%的最高识别准确率,优于现有针对大规模自闭症数据集的自闭症筛查方法。另外,由于模型在同一数据集不同频段数据上识别结果存在差异,本文结合频段信号的神经生理特性对此进行了分析。 （3）本文创新性地提出了基于脑时空连通图的自闭症筛查模型,实现ASD与TD的个体分类。本文在脑功能连接矩阵的基础上生成脑时空连通图,利用深度学习方法在338人规模的数据集上构建了基于脑时空连通图的自闭症筛查模型。模型采用卷积神经网络结构,并在原始脑时空连通图与经过主成分分析（Principal Component Analysis,PCA）处理后的脑时空连通图数据上进行训练与测试。模型在原始脑时空连通图数据上的识别准确率仅有60%左右,在经过PCA处理后的脑时空连通图数据上取得了最高84.77%的识别准确率。同时本文对比了不同超参数对模型识别结果的影响,根据结果选定了最佳超参数用于模型的训练。

关键词： 脑机接口   运动想象   迁移学习   黎曼空间   联合分布适配  

摘要： 脑机接口(Brain Computer Interface,BCI)通过对人脑活动进行识别并将其转化为控制命令,提供了人脑与外部设备之间的另一种交互方式。运动想象脑电信号由于其非侵入性和易采集的特点受到人们的广泛关注。基于运动想象脑电信号的脑机接口作为一种具有巨大潜力的人工智能技术,在医疗康复、教育生活、国防安全等多个领域都有着极广阔的应用前景。然而由于脑电信号具有非平稳且信噪比低等特点,不同被试之间的脑电信号特征空间分布差异很大,这导致传统脑机接口需要针对当前用户执行长时间的校准训练,才能构建出精确的分类模型。较长的校准时间既增大了用户的工作量,又削弱了脑机接口系统的实用性。通过迁移学习,我们可以使用其他受试者的具有相似标签的样本辅助训练当前受试者的分类模型,从而缩短或消除校准时间。目前,大多数迁移学习算法仍需当前受试者有标签的脑电样本且分类准确率不高。针对此问题,本文提出了基于黎曼空间特征迁移学习(Riemannian Space Feature Transfer Learning,RFTL)的运动想象脑电信号迁移学习及分析方法,并在公开的运动想象竞赛数据集和实验室自采数据集上进行了实验验证,本论文主要研究内容包括以下几点:(1)构建黎曼对齐框架,采用黎曼均值和黎曼差分向量对协方差矩阵进行操作,从而在黎曼空间中实现了对脑电数据的旋转对齐。利用脑电信号和图像信号的相似性,将在图像处理方面表现优异的联合分布适配方法引用到处理运动想象脑电信号上来,采用最大均值差异距离来衡量不同领域之间的分布差异。(2)提出了基于黎曼空间的运动想象脑电信号特征迁移学习算法,并详细介绍了算法的框架结构和基本流程。本算法首先在黎曼空间构建黎曼对齐框架,实现对源域和目标域数据的分布对齐,后利用联合分布适配减少不同域间的数据分布差异,构建适用于目标域任务的域不变分类器模型。(3)在公开的竞赛数据集和实验室自采数据集上进行了实验验证。经过实验分析,RFTL算法可以有效克服跨域分布的差异性,显著提高运动想象脑电信号跨对象的识别准确率,从而大幅度提升BCI系统的学习效率,改善分类模型的普遍适用性。

关键词： 机器学习   胸腔积液   肿瘤标志物   联合诊断  

摘要： 恶性胸腔积液是一种原发于胸膜的恶性肿瘤或其他部位的恶性肿瘤转移至胸膜引起的胸腔积液,出现恶性胸腔积液表明肿瘤播散可能已进展至晚期,患者预期寿命将显著缩短,因此尽早诊断良、恶性胸腔积液在临床实践中十分重要。而常用的细胞学检测准确率存在一定波动,多肿瘤标志物的联合诊断是一种有效的诊断方法,可在细胞学检测不确定的情况下作为诊断的补充与替代。但现有的研究在不同联合诊断效果等方面还没有一致结论。因此,本文旨在探讨肿瘤标志物的不同联合对鉴别良、恶性胸腔积液的诊断价值,寻找最经济有效的肿瘤标志物诊断模型。 本文使用2015年1月至2017年6月间收治于北京和武汉某医院胸腔积液的患者数据进行分析,采用逻辑回归,线性判别分析,支持向量机,XGBoost和IRBoost五种机器学习方法建立诊断模型,最后采用Stacking方法进行模型融合。通过受试者工作特征曲线分析,对各模型及各标志物组合的诊断效果进行比较评估,讨论不同肿瘤标志物的联合对良、恶性胸腔积液的诊断效果。基于此,引入肿瘤标志物检测成本,同时考虑诊断精度和检测成本两方面因素,建立线性规划模型并解得其最优解,在不同价格区间中选出最优模型,为医生和患者提供合理的选择标准。 通过对各模型的诊断效果进行评估,发现胸腔积液组肿瘤标志物的诊断效果要优于血清组,且多个肿瘤标志物的联合诊断效果要优于单一标志物的诊断效果。其中Stacking方法的胸腔积液肿瘤标志物CEA+CA15-3+CA19-9的联合诊断效果最好,且其AUC值相较于单一标志物最优模型提升显著。其次为使用IRBoost方法的胸腔积液肿瘤标志物CEA+CA125+CA19-9的联合。使用线性判别方法的诊断模型效果最差,因此不建议使用线性判别方法建立肿瘤标志物的联合诊断模型。综合考虑模型诊断准确率和检测成本,能够接受较高医疗检测价格时,建议选择最优诊断模型CEA+CA15-3+CA19-9的组合;接受中等的医疗检测价格时,建议选择诊断模型CEA+CA19-9的组合;不能接受过高的医疗检测价格时,则选择单一标志物CEA的诊断模型。

关键词： PCB裸板   深度学习   特征融合   瑕疵检测   系统设计  

摘要： 检测PCB表面存在的瑕疵并定位是制造电子产品过程中缺一不可的环节。传统的PCB瑕疵检测方法有专家目视法和自动光学检测技术（AOI）。专家目视存在效率差、精度低等缺陷,近年来业界主要运用AOI来取代人工方法。而AOI的主要环节其实是算法处理图像的过程,此过程决定了系统能否准确地进行检测,其优点是成本低、集成易,满足多数场景的需求。但随着电子产品制造的精密程度愈来愈高,以及制造过程中对检测分辨率、精度、速度等性能要求的提升,AOI中使用的传统图像处理方法因其复杂的操作以及不是很高的检测精度而逐渐没落。如今,深度学习目标检测算法如日中天,许多SOTA检测模型作为图像处理算法的替代被应用到工业界中。如何更有效的将优良的目标检测算法融入到工业生产PCB的过程中,已经成为业界的热点话题。基于此,本文提出了基于改进版YOLOX的PCB表面瑕疵检测方法。本文使用深度学习技术研究瑕疵分类和检测方法,研究改进版YOLOX的PCB表面瑕疵检测方法。最后设计了一个基于前后端分离的PCB瑕疵检测系统。本文的研究内容如下:（1）分析了当今业界的PCB表面瑕疵检测方法在国内外的研究现状以及其存在的隐患,针对现有PCB瑕疵图像数量稀少,瑕疵不太分明等问题,对现有图像进行了平移、翻转以及Mosaic数据增强等变换,进一步提供训练样本和验证数据,提高模型的准确性和泛化能力。（2）为了检查每块产出的PCB是否存在某种类型的瑕疵,首先采用YOLOX的主干网络CSPDarknet53进行图像分类,具体辨别某张带有瑕疵的PCB图像所属的种类。在此之上,对主干网络进行了多尺度特征联合的操作,大幅提升其检测效果,并将其作为YOLOX网络新的backbone。（3）针对原有YOLOX的颈部网络部分进行了优化,提出了基于改进版的YOLOX网络。主要有三点改进:1.引入CBAM,增强了网络对PCB表面瑕疵的特征提取能力;2.在PA-FPN网络的尾部添加ASFF模块,解决在单阶段目标检测特征金字塔中存在的不同特征层信息不一致问题;3.在改进的YOLOX网络中应用了SAHI这一轻量级视觉库,提升小目标检测的精度。（4）PCB瑕疵检测系统的搭架。基于训练好的改良版YOLOX网络作为backend,Vue搭建的前端页面作为frontend,使用Flask框架作为桥梁搭建一个前后端分离的PCB瑕疵检测平台。（5）最后将本文的检测算法同其它YOLO系列以及传统目标检测算法的检测性能进行对比。具体而言,该模型的平均精度均值（m AP）高达98.4%,每秒传输帧数（FPS）更是突破了50f.s-1,表明改进版YOLOX网络在PCB瑕疵检测应用中取得了更好的性能。

关键词： 网络表示学习   重启随机游走   注意力机制   网络分解   矩阵分块  

摘要： 网络普遍存在于现实世界中,通常表示为节点与边的集合,但是这种方式并不便于将网络信息输入计算机进行各种分析。传统的方法是将网络中的节点表示为独热编码来实施计算,虽然这种方法能够形象地展示节点与边的关系,但其往往是稀疏的,易造成存储空间的浪费。为了解决这一问题,通常是将网络节点表示为低维、稠密、实值的向量形式,这一过程被统称为网络表示学习。目前已有的网络表示学习方法主要分为基于矩阵分解、随机游走和深度学习等方法,其中,基于矩阵分解的方法仅关注相连结点间的局部结构,与之相反的,基于随机游走的方法过度关注网络的全局结构信息,而基于深度学习的方法往往可解释性较差。为了能够兼顾网络的全局与局部结构,并同步提高算法的可解释性,本文重点研究了重启随机游走在网络表示学习中的应用。本文的主要工作和创新点如下:1.针对已有的网络表示学习方法无法同时捕获网络全局和局部结构的问题,本文提出了一种基于重启随机游走的网络表示学习方法。该方法首先采用注意力机制对节点间的相似度进行度量并据此为节点的边分配适当的权重,然后在赋权边上对节点进行重启随机游走来捕获网络的全局和局部结构并生成节点的扩散概率,即节点的真实概率分布情况。最后通过KL-散度构建目标函数以最小化节点真实概率分布与低维向量表示所构成的经验概率分布之间的差异来学习节点的最佳表示。为了进一步提升算法的学习效率,本文采用了负采样和边采样对目标函数进行优化。通过在多个真实数据集上的实验进行验证,结果表明本文提出的基于重启随机游走的网络表示学习方法能够有效提取节点的特征信息。2.由于同构网络表示学习方法应用于异构网络中会造成节点信息缺失,从而导致学习到的向量表示不能提取节点在网络中完整的语义信息。基于此,本文提出了一种应用于异构网络的表示学习方法以获取网络的拓扑结构和丰富的语义信息。该方法首先根据重要节点将异构网络分解为一个同构网络和多个二分网络,并通过重启随机游走获取其中的结构和语义信息。由于二分网络中邻接矩阵的维度限制,导致重启随机游不能直接应用,为了消除这种限制,本文采用Jaccard系数对邻接矩阵进行转化以适用于重启随机游走。为了提高重启随机游走计算节点扩散概率的效果,该方法结合注意力机制对重要节点间的相似度进行度量并为边分配权重。最后,在多个子网络中进行融合学习来获得节点的表示。重启随机游走能够捕获网络完整的拓扑结构,而融合学习的过程能够获取节点的多重语义信息,因此,本文提出的异构网络表示学习方法能够有效地学习包含网络结构属性和语义信息的节点表示。通过在异构网络数据集上的对比实验,验证了本文提出的表示学习方法的有效性。3.针对重启随机游走在大规模网络中应用困难的问题,本文引入矩阵分块求逆对重启随机游走进行优化,并提出了改进型重启随机游走网络表示学习方法。为了有效地进行矩阵分块求逆,该方法首先采用Slash Burn方法对网络中的节点进行重排序,排序后的邻接矩阵中能够产生一个稀疏的块对角子矩阵。然后对矩阵的分块进行求逆,在分块矩阵中应用舒尔补和LU-分解能够加速求逆的过程。最后根据矩阵的逆去计算节点在重启随机游走后的扩散概率,并应用于学习节点的低维向量表示。实验结果表示,在确保对网络的全局与局部结构捕获能力不变的情况下,矩阵分块求逆能够有效地降低重启随机游走对存储空间和运行时间的要求。本文通过重启随机游走对网络的全局和局部结构进行捕获,使得网络表示学习方法所学习到的节点特征能够包含丰富和完整的网络信息,并进一步促进后续的网络分析任务的有效性。通过理论和实验分析,进一步证明重启随机游走在捕获网络的全局和局部结构方面有一定的促进作用。

关键词： 多任务学习   卷积神经网络   深度学习   自适应   任务权重  

摘要： 在大数据时代来临之际,计算机视觉工作变得越来越复杂。卷积神经网络技术的飞速发展使它在多个领域得到了广泛的应用,并取得了出色的成果。传统的单任务学习大多只关注某个任务本身,而忽略了任务之间的关联,但是这些关联本身能够提供一些辅助信息帮助提升模型的准确率,从而促成了多任务学习的诞生。多任务学习能够同时处理多个相互关联的任务,并利用获得的知识最大限度地提升模型的性能。然而,现有的多任务学习方法存在着一些问题,如采用固定的网络模型无法灵活地适用各类复杂任务,采用固定的任务权重也无法有效地权衡各类任务。因此,该文提出了两种自适应多任务学习方法,以解决上述问题,提高多任务学习的效果。另外,该文还利用所提出方法构建了一个图书推荐系统,以期提高推荐系统的精确性。该文的主要研究内容具体如下:(1)该文提出了一种自动加权任务损失的多任务学习方法,此方法可以通过标准反向传播算法优化一组特定于任务的决策,以自主选择执行哪些层,获取更佳的共享模式。此外,该方法还根据每个任务的同方差不确定性,在模型训练的过程中寻找合适的任务权重,以优化模型训练。实验结果表明,该方法在场景理解数据集上取得了较好的预测效果,从而证实了它的有效性。(2)该文提出了一种基于自适应参数共享的多任务学习方法,此方法可以自动选择特定于任务的层子集,确定基础模型中共享层和特定任务层的权重,从而提高模型的通用性。此外,该方法还提出了一个基于拉格朗日乘子策略的多任务损失函数,能够在训练过程中自动调整每个任务的任务权重,以帮助模型训练。实验结果表明,该方法在艺术数据集Sem Art上取得了较好的预测效果,从而证实了它的有效性。(3)该文利用上述两种方法设计了一种基于多任务学习的图书推荐系统,该系统可以通过分析用户的评分、收藏和评论等行为,以确定用户的兴趣偏好,并最终推荐出更加个性化的图书。推荐结果表明,用户能够获得良好的推荐效果,从而证实了该系统的有效性。

关键词： 子痫前期   生物信息学   机器学习   差异表达基因  

摘要： 目的:通过生物信息学和机器学习算法筛选并验证子痫前期(Preeclampsia,PE)的潜在关键基因,揭示可能的分子机制,为临床上PE的诊断、预防及治疗提供思路。方法:首先从基因表达综合数据库(Gene Expression Omnibus,GEO)下载PE基因芯片GSE10588、GSE66273、GSE30186数据集。运用R语言的“limma”包筛选出PE基因芯片GSE10588数据集的差异表达基因(differentially expressed genes,DEGs),并对其进行功能、通路的富集分析。通过最小绝对值收敛和选择算子(least absolute shrinkage and selection operator,LASSO)及随机森林(Random Forests,RF)两种机器学习算法对DEGs进行降维处理,进一步筛选候选关键基因,然后在PE基因芯片数据集(GSE66273、GSE30186)进行验证得到关键基因,对其相关性、表达情况以及对PE的诊断效能进行可视化分析,同时进行基因本体论(gene ontology,GO)、京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes,KEGG)以及基因集通路富集分析(Gene Set Enrichment Analysis,GSEA)。最后通过RT-PCR分析13例PE患者和11例正常单胎孕妇的胎盘及血清中关键基因的表达情况,验证关键基因是否与生信分析表达一致,并对关键基因与临床特征进行相关性分析。结果:首先,基于GSE10588数据集获得265个DEGs。功能富集分析表明,DEGs的生物学功能主要与缺氧、氧化应激以及促性腺激素的分泌调节等有关,涉及肾素-血管紧张素系统、铁死亡以及Notch、HIF-1、AMPK、IL-17等信号通路。其次通过机器学习算法得到18个候选关键基因,相关性分析显示这些基因之间有协同作用。通过GSE30186、GSE66273数据集对18个候选关键基因进行验证,得到4个关键基因:GCLM和EVI5,LEP和SYNPO2L。相关性分析表明SYNPO2L、GCLM、EVI5均与LEP负相关,SYNPO2L、GCLM、EVI5则相互正相关;在PE中仅LEP高表达,EVI5、GCLM、SYNPO2L低表达;ROC曲线分析显示:EVI5、GCLM、LEP、SYNPO2L诊断PE的AUC值分别为0.733、0.735、0.880、0.679,而关键基因联合诊断PE的效能强,AUC为0.889。GO功能分析显示,它们的功能主要富集在血管直径调节、细胞对碳水化合物刺激的反应、循环系统中血管形成的过程、酸性氨基酸连接酶活性、RAB GTPase结合、激素受体结合等。KEGG及GSEA通路富集分析显示关键基因调控通路可能涉及铁死亡、谷胱甘肽代谢以及AMPK、JAK-STAT和脂肪细胞因子等信号通路。最后RT-PCR验证关键基因的表达:与对照组相比,PE组胎盘中SYNPO2L、GCLM低表达,差异有统计学意义,而EVI5、LEP表达较低,但差异无统计学意义;PE组血清中EVI5和LEP低表达,差异有统计学意义,而SYNPO2L表达较低,GCLM表达较高,但差异均无统计学意义。关键基因与临床特征相关性分析显示:EVI5、GCLM、SYNPO2L、LEP均与PE患者的血压、新生儿体重无相关性。结论:1基于生物信息学分析和机器学习算法确定了与PE密切相关的4个关键基因(EVI5、GCLM、SYNPO2L、LEP)。2关键基因可能通过铁死亡、谷胱甘肽代谢以及AMPK、JAK-STAT等信号通路影响PE的发病机制,但仍需进一步研究阐明具体机制。3通过在PE患者和正常孕妇血清、胎盘组织中对关键基因的表达量进行验证,PE患者胎盘组织中GCLM、SYNPO2L低表达,血清样本中EVI5低表达,这与生物信息学分析结果一致,提示这三个关键基因具有成为PE的诊断生物标志物的潜能;PE患者血清中LEP低表达,这与生物信息学分析结果相反,需进一步研究其与PE的关系。