摘要：
本发明涉及计算机技术领域，公开基于神经网络模型的鼻咽癌新辅助化疗敏感性预测方法，包括步骤：筛选历史鼻咽癌患者在进行新辅助化疗前后的肿瘤信息，筛选出差异基因；基于差异基因构建训练数据集，计算任意两个患者的差异基因特征数据之间的连接权重，构建敏感性预测模型的损失函数，对敏感性预测模型进行训练；所述敏感性预测模型训练完成后，将患者的基因数据输入敏感性预测模型，得到该患者属于化疗敏感组或化疗抵抗组的预测结果。本发明通过学习鼻咽癌患者间差异基因特征数据的相互关系，构建敏感性预测模型，将患者的基因输入敏感性预测模型后，模型可根据患者基因的各种组合方式，预测该患者对新辅助化疗的敏感性，有助于个体化治疗决策。
主权项：
1.基于神经网络模型的鼻咽癌新辅助化疗敏感性预测方法，其特征在于：包括以下步骤： 步骤1，筛选历史鼻咽癌患者在进行新辅助化疗前后的肿瘤信息，筛选出差异基因； 步骤2，基于差异基因构建训练数据集，计算任意两个患者的差异基因特征数据之间的连接权重，构建敏感性预测模型的损失函数，对敏感性预测模型进行训练； 所述步骤2具体包括以下步骤： 步骤2-1，构建每个患者的差异基因特征数据，从而形成所有患者的训练数据集； 所述步骤2-1具体如下： 假设筛选出第j个患者有Nj种差异基因，则该患者的差异基因特征数据表示为，其中表示第i种差异基因特征数据，i=1,2,...,Nj； 将Nj种差异基因进行随机打乱，对患者j的Nj种差异基因特征数据进行M次采样，每一次选择其中K种差异基因特征数据，K为可变值，K≤Nj；则对患者j的Nj个差异基因特征数据进行M次采样后，可得到训练数据集，训练数据集对应有一个样本标签，即患者j为化疗敏感组或化疗抵抗组； 若共有P个患者，则可收集到P个训练数据集，j=1,2,...,P； 步骤2-2，构建特征矩阵； 所述步骤2-2中，构建的特征矩阵为： 其中，表示患者j1第m次采样的差异基因特征数据和患者j2第m次采样的差异基因特征数据，j1=1,2,...,P，j2=1,2,...,P，m=1,2,...,M，M为采样次数； 步骤2-3，基于流学习算法计算特征矩阵中每个元素的连接权重； 步骤2-4，基于连接权重，构建敏感性预测模型的损失函数； 步骤3，所述敏感性预测模型训练完成后，将患者的基因数据输入敏感性预测模型，得到该患者属于化疗敏感组或化疗抵抗组的预测结果。
