간암은 전 세계적으로 사망의 주요 원인이며 높은 사망률을 보인다. 간암의 더 나은 치료 및 재활을 위해 약물 전달과 반응 예측을 평가하고 분석하는 것은 필수적이다. 본 연구에서는 딥 피처 추출을 위해 전이 학습(TL) 개념을 적용한 수정 ResNet101 딥러닝을 사용하여 간 항암 약물 반응을 예측하는 새로운 접근법을 제안한다. 차원 축소 알고리즘인 PCA와 t-SNE를 각각 딥 피처의 전역 및 국소 구조를 포착하기 위해 적용한다. 여기에서는 분류 성능을 향상시키기 위해 영상 정보의 전역 및 국소 수준을 사용하는 새로운 융합 방식을 도입한다. 축소된 딥 융합 피처를 이용하여 이차 판별 분석(QDA) 예측 모델을 개발한다. 제안된 접근법은 코발트 [email protected] 티탄산염([email protected]) 나노입자로 기능화된 항암제로 처리한 인간 간세포암종(HepG2)의 형광 이미지를 대상으로 평가한다. 203개의 HepG2 미세 이미지로 구성된 데이터셋을 사용하여 5-fold 교차 검증 기법을 적용하고, 75%:25%의 분할 비율로 모델을 학습 및 테스트한다. 제안된 시스템은 다른 최첨단 접근법과 비교하여 높은 정확도 98.0%를 달성하였다. 개발된 파이프라인은 유연하며 전립선암, 폐암 및 유방암으로 확장될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.