Multimodaaliseen tietofuusioon perustuvan älykkään arvioinnin kehittäminen ja demonstrointi kasvainriskiä ja diagnoosia ja hoitoa varten

Päätavoitteet ovat seuraavat:

1. Tietoalustan perustaminen multimodaalista tietoa varten tavallisista kasvaimista (keuhkosyöpä/keuhkokyhmyt, maha- ja paksusuolensyövät): sähköiset potilastiedot (mukaan lukien rutiininomaiset kliiniset havainnot, hoito, lopputulos), patologiset kuvatiedot, lääketieteellinen kuvantaminen (CT, MRI) , ultraääni, isotooppilääketiede jne.), useita omiikkatietoja (genomi, transkripti ja metabolomi, proteomiikka) omiikkatiedot, etiologia ja karsinogeeninen altistustiedot.
2. Hyödynnämme tekoälyteknologiaa multimodaalisen lääketieteellisen big datan ristiinanalyysiteknologian ja edellä mainittujen sairauksien yksilöllisten tarkan diagnoosin ja parantavien vaikutusten ennustusmallien luomiseksi. Ratkaistaksemme multimodaalisen datafuusiolouhinnan kolme keskeistä ongelmaa, kuten epätasapainoinen, pieni otoskoko ja huono tulkitavuus, perustamme tekoälyn tunnistusalgoritmin kuvakuville ja patologisille kuville sekä käytämme kuvankäsittelyä ja syväoppimista. teknologiat kuvatietojen ja patologisten tietojen monitasoisten syvyysvisuaalisten piirteiden louhimiseen. Lisäksi käytämme bioinformatiikan analyysialgoritmeja molekyyliverkoston louhintaan ja molekyylimarkkerien funktionaaliseen analyysiin useiden omiikkatekniikoiden tasolla (patologinen, genominen, transkripti, metabolomi, proteomi jne.).