全书由6章组成，其中：第1章主要介绍肺癌研究中利用影像基因等数据进行研究的应用领域及相关概念和理论基础；第2章针对疑似肺癌的疑难型肺结节，提出基于超体素3D区域增长的疑难型肺结节分割方法；第3章针对肺癌的亚型分类问题，提出了一种多级加权的深度森林模型和基于DNA甲基化进行细粒度的肺腺癌亚型分类；第4章针对肺腺癌复杂的发病机制，以及使用单一基因数据难以获得满意的分期结果，提出了基于多组学基因数据的改进的多级加权深度森林模型IMLW-gcForest以进行分期；第5章针对基因检测过程存在侵入性、时间长、费用高等问题，提出了多通道多任务的深度学习模型MMDL，利用非小细胞肺癌的CT影像来预测EGFR和KRAS的突变；第6章为总结与展望。

第1章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 肺结节分割
1.2.2 肺癌亚型分类
1.2.3 肺癌分期
1.2.4 肺癌影像预测基因突变
1.3 本书主要研究内容
1.4 本书的组织结构
第2章 基于超体素3D区域增长的疑难型肺结节分割方法
2.1 引言
2.2 相关工作
2.3 数据预处理
2.3.1 前景区域的分离及种子点的自动定位
2.3.2 3D掩模的构建
2.4 3D超体素的构建
2.4.1 超体素的构建原理
2.4.2 超体素的构建过程
2.5 模糊连通图的构建
2.5.1 模糊邻接关系及模糊邻接度
2.5.2 模糊连通性及模糊连通图的构建
2.6 基于超体素的3D区域增长
2.7 实验与结果
2.7.1 实验数据集及环境
2.7.2 不同方法的定性评估
2.7.3 不同方法之间的3D分割的单切片结果比较
2.7.4 不同区域增长方法之间的定量比较
2.7.5 与相关研究的比较
2.8 讨论
2.8.1 传统3D区域增长方法的阈值设置
2.8.2 参数γ1和γ2的设置
2.8.3 所提方法的局限性
2.9 本章小结
第3章 基于DNA甲基化的MLW-gcForest肺癌亚型分类模型
3.1 引言
3.2 相关工作
3.3 gcForest模型
3.4 MLW-gcForest模型
3.4.1 权重α的计算
3.4.2 排序优选算法
3.5 实验与结果
3.5.1 数据集及实验设置
3.5.2 与传统方法的结果对比
3.5.3 模型处理小样本数据的能力
3.5.4 模型缓解过拟合的风险
3.5.5 与相关研究的性能对比
3.6 讨论
3.6.1 主要参数设置
3.6.2 不同组学数据分类性能比较
3.7 本章小结
第4章 基于多组学基因数据的IMLW-gcForest肺癌分期模型
4.1 引言
4.2 相关工作
4.3 IMLW-gcForest模型及多组学决策融合
4.3.1 多组学基因数据预处理
4.3.2 IMLW-gcForest
4.3.3 多组学模型决策级融合
4.4 实验与结果
4.4.1 数据集和实验设置
4.4.2 基于基因表达、DNA甲基化、拷贝数变异的肺腺癌分期模型
4.4.3 基于多组学基因数据的肺腺癌分期模型
4.4.4 多组学基因数据模型和单种基因数据模型的比较
4.4.5 模型在小样本数据集上的有效性
4.4.6 模型防止过拟合的能力
4.5 讨论
4.5.1 不同加权策略下模型的性能对比
4.5.2 随机森林中决策树的数量设置
4.5.3 与其他分期研究的对比
4.6 本章小结
第5章 CT影像预测肺癌EGFR/KRAS基因突变的MMDL模型
5.1 引言
5.2 相关工作
5.3 MMDL模型总体框架
5.4 ROI的提取
5.5 Inception-attention-resnet模型的构建
5.5.1 Inception-resnet-V2模型
5.5.2 注意力模块
5.5.3 Inception-attention-resnet模型
5.6 模型的迁移学习
5.7 多通道决策融合
5.8 实验与结果
5.8.1 数据集
5.8.2 与传统方法的比较
5.8.3 与其他深度模型的比较
5.8.4 模型的可视化
5.8.5 多视图结果的对比
5.8.6 与相关研究的对比
5.9 讨论
5.9.1 迁移学习对分类结果的影响
5.9.2 病历信息对分类结果的影响
5.9.3 注意力机制对分类结果的影响
5.10 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
缩略语
参考文献

当今世界，肺癌成了最
为常见且致命的恶性肿瘤，
发病率和死亡率均居高不下
。然而，随着人工智能的迅
猛发展，有了更多提高患者
生存率的机会。
本书旨在通过构建人工
智能方法对肺癌进行辅助诊
断，从而为患者提供更全面
、更准确的辅助方案。其中
，通过影像基因数据构建人
工智能模型分析方法被认为
是提高诊断效果的重要手段
。在影像学上，早期肺癌主
要表现为各种类型的肺结节
，而疑似肺癌的疑难型肺结
节往往难以准确诊断。特别
是磨玻璃结节作为疑难型肺
结节的代表，更是需要深入
研究其辅助诊断方法。因此
，本书将通过对PET/CT影
像数据的分析，探索磨玻璃
结节的辅助分割方法，以期
提供更准确的分割。此外，
肺癌的自动分型和分期对于
实现个性化诊疗具有重要意
义。本书基于对基因数据的
深入分析，提出了新的机器
学习算法，用于肺癌的分型
和分期。这一研究成果有望
为医师提供更精确的诊断结
果，从而制定更有效的治疗
方案，提高患者的存活率和
生活质量。本书针对目前部
分肺癌患者无法进行基因突
变的检测等问题，开展了对
肺癌CT影像和关键致病基
因的关联分析，通过探索利
用CT影像来预测关键致病
基因突变，希望实现无创进
行基因突变的预测，为肺癌
的个性化治疗提供更全面的
信息支持。
本书是笔者近年来从事
肺癌人工智能辅助诊断方法
研究的总结，通过对肺癌的
PET/CT影像和多组学基因
数据的分析及对现有的辅助
诊断关键技术的研究，围绕
肺癌辅助诊断的4个问题，
从不同的角度进行了相关算
法的研究和模型的构建，研
究工作具有一定的理论意义
和临床应用前景。
全书由6章组成，其中：
第1章主要介绍肺癌研究中
利用影像基因等数据进行研
究的应用领域及相关概念和
理论基础；第2章针对疑似
肺癌的疑难型肺结节，提出
基于超体素3D区域增长的
疑难型肺结节分割方法；第
3章针对肺癌的亚型分类问
题，提出了一种多级加权的
深度森林模型和基于DNA甲
基化进行细粒度的肺腺癌亚
型分类；第4章针对肺腺癌
复杂的发病机制，以及使用
单一基因数据难以获得满意
的分期结果，提出了基于多
组学基因数据的改进的多级
加权深度森林模型IMLW-
gcForest以进行分期；第5
章针对基因检测过程存在侵
入性、时间长、费用高等问
题，提出了多通道多任务的
深度学习模型MMDL，利用
非小细胞肺癌的CT影像来
预测EGFR和KRAS的突变；
第6章为总结与展望。
本书的完成得到了太原
理工大学计算机学院图像与
智能实验室团队成员的大力
支持，尤其是强彦教授和赵
涓涓教授提出了诸多宝贵建
议，在此致以诚挚的谢意。
本书所涉及的研究工作
得到了国家自然科学基金面
上项目（No.61972274、
No.61872261）、国家自然
科学基金青年项目
（No.62306206）、山西省
重点研发项目
（No.202102020102007）
、山西省自然科学基金青年
项目
（No.202203021212207）
和太原理工大学校级青年基
金（No.2022QN041）等的
资助，在此向相关机构表示
深深的感谢。
由于笔者水平有限，书
中难免存在不足之处，欢迎
各位专家和广大读者批评指
正。