来源：期刊VIP网 时间：
作者：孙浩峻;吴飞;张开昱;
单位：上海工程技术大学电子电气工程学院;
摘要：在癌症检测领域，细胞游离DNA的高通量测序技术已引发一场重大变革，为非侵入性癌症检测提供了新的可能性。利用测序数据做出可靠且精确的预测至关重要，但是测序成本高昂。针对这一需求，提出一种基于流动注意力机制的深度学习模型。通过定义差异甲基化区域对数据进行预处理，使得满足深度学习数据量的要求，并整合全基因组双硫酸盐测序数据中的DNA序列和甲基化信息，以实现对髓母细胞瘤患者进行预测。实验结果表明，该方法提高了诊断过程的准确性，且受试者工作特征曲线面积达到99.73%，展示了深度学习技术在癌症早期诊断中的潜在应用前景。
关键词：非侵入性癌症检测;;流动注意力机制;;细胞游离DNA;;高通量测序技术;;深度学习;;差异甲基化区域
