论文阅读：Imaging Biomarkers and GeneExpression Data Correlation Frameworkfor Lung Cancer Radiogenomics

基于深度学习的肺癌放射基因组学分析的影像生物标志物和基因表达数据相关框架

2021 IEEE

方法：

第一阶段：肿瘤分割。第二阶段：基因和图像定位。阶段3：合成肿瘤区域生成。

首先，采用基于U-net的分割方法从原始CT图像中提取TR。然后，我们使用自动编码器对基因条件下的图像进行编码。从不同层次的编码器中提取图像特征。对这些特征、预后数据和基因进行了一系列分析实验，包括预后和GSEA，以证明这些多源数据之间的相关性。最后，一种改良的CVAE-GAN将基因转化为相应的TR并给出直观的结果。

A、 肿瘤检测与分割在分割阶段，我们采用U-net模型得到裁剪后的肿瘤图像。我们将原始CT图像输入U-net，并使其与相应的掩模相匹配。