面向癌症预后预测的基因影像学分析方法研究

Cancer is the disease of serious threat to mankind health. The Cancer Genome Atlas project has incorporated the pathological image data and genomic data for more than 30 cancer types, which provides a strong support for exploring the survival-associated biomarkers for prognosis prediction. Due to the complex pathogenesis of cancer disease, along with the problem that the collected high-dimensional imaging and genomic data are usually with heterogenous patterns and the high cost of precise labeling, it has become a huge challenge to explore the pathological mechanism and build effective prognosis prediction models for cancers.Therefore, 1) Concerning the auxiliary diagnosis information can help improve the prognosis performance, we construct a feature selection framework that combine both image and genomic data for prognosis prediction by the aid of diagnosis information. 2）Concerning the gene regulation is a complex process controlled at multiple levels, we propose a novel multi-level association approach to fuse image and multi-modal genomic data for prognosis prediction. 3) Concerning the high-cost of precisely labelling the high-dimensional image and genomic data, we propose a novel algorithm to fuse image and genomic data for survival analysis that only relies on coarse-grained label information. This project will provide data-driven support for the pathological understanding and prognosis prediction of cancers.

癌症是严重威胁人类健康的疾病，“癌症和肿瘤基因图谱”计划整合了30多种癌症的病理图像与基因数据，为探索与癌症预后相关的生物标志物提供了强有力的支持。由于癌症的发病机制极其复杂，而所采集的影像与基因数据维度高，异构性强，且对其精确标记代价昂贵，给探索病理机制并构建有效的预后预测模型带来相当大挑战。为此，本项目 1)通过结合已有诊断结果提升预后分析的性能，拟提出一种诊断信息辅助下联合基因影像数据的特征选择框架，实现有效的预后预测。2)考虑到癌症的预后与不同层次基因调控的相关性，拟提出一种多层次融合影像与多模态基因数据的学习方法实现预后预测。3）考虑对高维基因影像数据精确标记代价昂贵，拟提出一种粗粒度标记下联合基因影像数据的预后预测方法。研究成果将为癌症的病理理解与预后预测提供可靠的技术支持。

癌症以及脑疾病是严重威胁人类健康的疾病，随着我国人口老龄化的加速，预计患者数量将会持续攀升。如何为这些患者制定合适的治疗方案、改善患者的预后，是重要的临床问题。影像和基因分别从不同的角度反映患者疾病的状态，如何综合运用影像和基因数据构建多模态融合模型评估疾病的风险，是极具价值的科学问题。本项目以癌症和脑疾病为研究对象，探索了如何融合病理图像，MR图像以及基因等多模态数据对这些疾病进行精准分析。主要研究内容包括：1）针对医学影像数据预处理问题，本项目提出了基于多图谱先验结构的大脑MR图像分割方法。2）针对疾病诊断中丰富的高维多模态影像数据，本项目结合多模态数据融合领域最新进展，充分挖掘不同模态间互补协同信息，提高疾病诊断可靠性。3）针对基于影像遗传学的疾病研究方法，本项目设计了基于深度学习以及先验信息的关联分析方法，探索与癌症，脑疾病相关的影像、基因标志物 。课题组目前在国内外期刊上发表期刊论文11篇，国际会议论文2篇, 申请专利5项。项目负责人荣获医学图像处理国际顶级会议MICCAI 2019 青年科学家奖 (全球5人, 中国大陆唯一), 2022年指导学生再获MICCAI 2022 青年科学家奖，获第一届全国博士后创新创业大赛银奖 。