![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
肿瘤图像处理
文章平均质量分 92
hx2024
本我为何
展开
-
qupath再度更新:使用WSInfer进行深度学习
我们在下面提供了一个示例,说明如何使用 WSInfer 创建 WSI 中肿瘤和肿瘤浸润淋巴细胞 (TIL) 的空间图谱,这些图谱被认为在几种癌症中既有预后又有预测意义6,10,11,12.由于 WSI 非常大,因此它们通常被分解为补丁,以使分析变得可行。补丁分类的输出通常是空间分类地图,通常可以跨 WSI 集成,以创建表示该幻灯片的诊断、预测或“分数”的单个输出。在当前的实施中,我们专注于斑块分类的通用任务,该任务广泛用于广泛的病理学应用,具有促进诊断、预后或预测功能的深度学习模型。原创 2024-03-30 22:36:02 · 1250 阅读 · 5 评论 -
HE泛癌三级淋巴结构文献
作者进行了泛癌的HE切片分析。原创 2024-03-24 15:16:07 · 627 阅读 · 0 评论 -
HE切片+qupath识别TIL和成纤维细胞文献(三阴性乳腺癌)
eaTILs(mm2)= TILs数量/分析的肿瘤区域面积总和(mm2),easTILs=100*[TIL面积总和(mm2)/基质面积(mm2)]。细胞标注为肿瘤细胞(红色)、TIL(紫色)、成纤维细胞(绿色)和其他背景细胞(黄色)。背景半径:8 μm;细胞分类:将检测到的细胞分类为肿瘤细胞、免疫细胞 (TIL)、成纤维细胞和其他细胞。使用来自三个机构的一个发现集和四个验证集,我们发现机器读取测量的 TIL 变量将 TNBC 患者分为预后良好和不良队列,其中较高的 TIL 评分与更好的总生存期显着相关。原创 2024-03-22 16:45:41 · 1316 阅读 · 5 评论