js ... operator thre的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列懶人包和總整理

基於肺部電腦斷層之肺腺癌EGFR突變預測:結合Patch-based radiomics紋理特徵圖於深度學習網路

為了解決js ... operator thre的問題，作者陳和豐 這樣論述：

肺癌已成為世界上最主要癌症死因之一，並且其發病率與死亡率都有逐年上升的趨勢，晚期肺癌患者的5年平均存活率僅有15%。依治療和預後的不同，肺癌主要分為兩種：(I)非小細胞肺癌(Non-small-cell lung cancer，NSCLC)；(II)小細胞肺癌(Small-cell lung cancer，SCLC)。其中有85%的患者是屬於NSCLC，並且NSCLC患者大部分都被診斷為肺腺癌(Lung Adenocarcinoma, LAC)。EGFR(epidermal growth factor receptor)是肺癌治療中最有用的biomarkers之一。在亞洲有高達50%的肺癌患

者有表皮生長因子受體基因突變(EGFR mutations, mEGFR)。mEGFR患者對EGFR tyrosine kinase inhibitor (EGFR TKI)的反應優於無mEGFR患者。本研究提出「同時考慮CT影像腫瘤內部patchwise成分」的核心概念，開發一套基於深度學習之肺腺癌mEGFR預測模型。結合CT radiomic特徵與patch-based的腫瘤內部區域資訊尋找分類特徵，以協助LAC患者於標靶治療的治療規劃。本研究預測模型在僅考慮腫瘤區域成分的因素下，找尋腫瘤CT影像中之特徵。為達此目標，首先分為肺區分割以及腫瘤分割。分割結果顯示，本研究之肺區分割平均Dice

coefficient為0.9891；腫瘤分割結果平均Dice coefficient為0.806。接著從分割的腫瘤中提取了 212個3D 灰度共生矩陣(GLCM)之特徵。通過sequence forward feature selection選到energy和entropy為重要特徵。透過patch-base的方式使用5×5×5立方體大小計算原始影像上energy以及entropy的特徵圖作為RGANN分類模型的第二、三個通道輸入。接著在RGANN的第四層加入gated attention機制，將前一層輸入的特徵圖與分割的腫瘤binary影像相乘去引導 RGANN 模型只關注於腫瘤區域，以

提高分類的準確性。同時，RGANN的方法與GANN的方法進行了比較。RGANN 在training cohort （n=591，AUC=0.96，ACC = 0.98）validation cohort（n=85，AUC = 0.83，ACC = 0.81）和testing cohort（n=169，AUC = 0.77，ACC = 0.76) 優於 GANN 模型testing cohort（n=169，AUC = 0.74，ACC = 0.73）。此外，本研究針對lung phantom在9種不同輻射劑量(Tube current)與3種不同重建演算法下進行radiomic特徵的提取，並將

研究結果應用於真實病人之Lung CT影像上進行分類。研究顯示，在輻射劑量小於200mA的CT影像提取出的radiomic特徵有較大的變化；反之，提取出的特徵則較穩定。本研究將蒐集之CT影像分為以上兩種情況進行訓練，並且與原始訓練結果進行比較。分類結果顯示，當CT影像皆為大於200mA的情況下，RGANN得到的測試結果為（n=71，AUC = 0.78，ACC = 0.771）；當CT影像皆為小於200mA的情況下，RGANN得到的測試結果為（n=98，AUC = 0.63，ACC = 0.676）。以上分類結果可見掃描CT影像時，使用不同的Tube current參數會造成擷取的radiom

ic特徵有不同的變化，導致在分類mEGFR的結果上顯示，使用較高劑量的CT影像進行分析能得到較好的分類結果。本研究所提出之RGANN模型透過擷取腫瘤內部patchwise成分，在預測mEGFR方面較僅使用原始CT影像的DL模型達到較好的分類結果。

金屬蛋白酶ADAMTS家族在肺腺癌的角色

為了解決js ... operator thre的問題，作者李孝貞 這樣論述：

依據Global Cancer Statistics 2020的研究報告，肺腺癌是最常見的非小細胞肺癌類型。近年來，隨著科技進展與對肺癌疾病機轉的深度了解，肺癌的治療除了手術切除，化學治療，及放射線治療外，還可依據基因表現運用標靶藥物及新式免疫療法（如：PD-1/PD-L1及CTLA4）來治療。可惜的具抗藥性肺癌細胞的產生仍造成臨床治療的困境。為了改善肺癌的預後，持續尋找更新的治療策略及可預測肺癌預後的生物因子仍然相當重要。過去的幾十年間，因微陣列生物晶片及次世代基因定序研究的蓬勃發展，許多公開的基因或蛋白資料庫已被廣泛地運用在各種癌症的預後生物因子及治療標的之研究。因此，本研究運用多種公開

的生物資訊學工具，將本實驗室所收集的8位肺腺癌患者檢體之次世代基因定序結果，與公開資料庫之分析結果進行交叉比對，再以肺癌細胞及動物實驗驗證數據分析的結果。依據上述研究方法發現，可調控細胞外基質的金屬蛋白酶ADAMTS家族中，ADAMTS8及ADAMTS1在肺腺癌腫瘤上的表現量較正常細胞低。ADAMTS8的調控與轉錄因子GATA1及下游的ADAMTSL2 及THSD1蛋白相關；在上皮生長因子受器(EGFR)沒有突變或PD-L1表現量偏低的患者中，ADAMTS8表現量高的患者有較佳的預後；免疫調控上ADAMTS8與Treg呈負相關性，與NKT則呈正相關性。ADAMTS1的調控則與A2M基因表現具有

正相關性；當ADAMTS1表現偏低時，肺腺癌患者的存活率較差且腫瘤轉移相關基因表現量較高；此外，CD4+ T cells and CD8+ T cells等免疫細胞在肺腺癌中的浸潤程度與ADAMTS1的表現量呈正相關，MDSC 及Treg則呈現負相關；在肺腺癌細胞及小鼠動物實驗亦證實負調控ADAMTS1可增加癌細胞的轉移數量。綜合以上所述，ADAMTS8及ADAMTS1的表現量下降影響了細胞外基質的結構，導致腫瘤微環境的改變，進而導致腫瘤增生與轉移；兩者均可當作預測肺腺癌預後的生物因子及潛在的治療標的。