- 博客(138)
- 收藏
- 关注
RSS订阅原创 人工智能在肾脏肿瘤中的最新研究进展｜顶刊速递·24-07-02
这篇文章的主要焦点是解决在晚期透明细胞肾细胞癌（aRCC）患者中，如何确定哪些患者可能从免疫检查点阻断（ICB）治疗中获益的问题。研究团队进行了一项全面的多组学映射分析，涉及超过1000名患者的肿瘤组织，目的是在ICB治疗的背景下理解aRCC的免疫微环境。多组学分析：研究者通过对aRCC患者的肿瘤组织进行多组学分析，发现了与免疫反应相关的特定基因和蛋白质的表达模式。HLA分子的特异性：研究指出，具有对肿瘤新抗原具有高特异性的人类白细胞抗原（HLA）等位基因的患者，在接受ICB治疗后，其临床反应更为积极。
2024-07-02 07:23:07
758
原创 人工智能在肿瘤:分子亚型分类领域的最新研究进展｜顶刊速递·24-07-01
这篇文章是关于一种新方法来量化肝内胆管癌（Intrahepatic Cholangiocarcinoma, IHC）的遗传异质性，这种方法被称为“隐藏基因组分类器”（Hidden-Genome Classifier）。研究涉及对1370名患者的回顾性研究，包括IHC、肝外胆管癌（Extrahepatic Cholangiocarcinoma, EHC）、胆囊癌（Gallbladder Cancer, GBC）、肝细胞癌（Hepatocellular Carcinoma, HCC）和双表型肿瘤患者。
2024-07-01 07:11:58
713
原创 人工智能在眼科疾病领域的最新研究进展｜顶刊速递·24-06-30
这篇文章是关于一种新型的多模态学习框架，即EyeMoS𝑡+，它被设计用于眼科疾病筛查。该框架通过融合来自不同来源的信息来提高诊断的准确性，特别是针对糖尿病视网膜病变（DR）、糖尿病性黄斑水肿（DME）和年龄相关性黄斑变性（AMD）等眼科疾病。多模态学习：EyeMoS𝑡+利用了视网膜眼底图像（Fundus）和光学相干断层扫描（OCT）这两种常见的二维和三维成像技术。不确定性估计。
2024-06-30 06:01:35
395
原创 人工智能在多模态多组学领域的最新研究进展｜顶刊速递·24-06-29
这篇文章介绍的一种专门为病理学领域设计的，名为PathChat的多模态生成性人工智能(AI)辅助系统。PathChat由一个基础视觉编码器、一个预训练的大型语言模型以及一个多模态投影模块组成，通过在超过456,000条视觉语言指令上的微调来构建。这些指令包括999,202个问答转换，覆盖了多种组织来源和疾病模型的多项选择诊断问题。研究者们比较了PathChat与其他几种多模态视觉语言AI辅助系统以及GPT4V（驱动商业化多模态通用AI助手ChatGPT-4的模型）的性能。
2024-06-29 10:36:31
1242
原创 人工智能在病理组学和影像组学中的最新研究进展|顶刊速递·24-06-28
文章介绍了一个名为nuclei.io的数字病理框架，该框架结合了主动学习和实时的人机交互反馈，用于快速创建多样化的数据集和模型。研究通过两项交叉用户研究验证了该框架的有效性，这些研究利用了AI与病理学家之间的协作，包括在子宫内膜活检中识别浆细胞以及在淋巴结中检测结直肠癌转移。在两项研究中，nuclei.io都显著提高了诊断性能。文章详细讨论了人工智能（AI）和机器学习（ML）算法在数字病理学中取得的显著成就，这些成就包括细胞或组织分割、图像分类、患者预后预测以及淋巴结转移识别等。
2024-06-28 10:33:23
767
原创 人工智能在淋巴瘤中的最新研究进展｜顶刊速递·24-06-27
这篇文章是一项多中心的概念验证研究，探讨了基于深度学习的方法在术中区分原发性中枢神经系统淋巴瘤（PCNSL）与非PCNSL（包括胶质瘤等其他病变）的应用。研究团队开发了一个名为LGNet的深度学习模型，通过分析苏木精-伊红（H&E）染色的冷冻全切片图像，实现了对PCNSL与胶质瘤等病变的精确区分。该模型的性能与不同经验水平的病理学家进行了比较，并尝试了一种人机融合方法，将模型和病理学诊断结合起来。
2024-06-27 08:21:28
1048
原创 AI+病理组学，预测高级别浆液性卵巢癌（HGSOC）患者对铂基化疗的反应｜文献精析·24-06-27
小罗推荐选这篇文献进行精析的原因比较直接——前两天组会提到了，这是我组会准备的PPT，正好让大家快速的了解一下这篇文章。文献简介这篇文章是关于一种新型的基于组织病理学图像的深度学习分类器——Pathologic Risk Classifier for High-Grade Serous Ovarian Cancer (PathoRiCH)的研究。该分类器。目前，尚无生物标志物能够迅速预测患者对铂基治疗的反应，因此开发这一分类器具有重要意义。
2024-06-27 08:18:06
1002
原创 HistoQC｜病理切片的质量控制工具
这期推文介绍的内容，我相信研究病理组学的人，一定都非常熟悉——HistoQC——病理切片的质量控制。之前写过Hover Net系列的推文，反响还可以，但是Hover Net是用于细胞核检测和分类的，直接从这里开始还不够系统，所以我想了想，还是觉得要从头开始。最开始要做的，就是数据收回来以后，怎么处理？为了保证模型的准确性，最开始要做的就是把质量差的数据剔除（类似于临床数据的纳入排除标准），所以这一期推文介绍的就是。
2024-06-26 12:43:03
1038
原创 人工智能在医学图像分割中的最新研究进展｜顶刊速递·24-06-26
这篇文章是关于深度主动学习在医学图像分析中的全面综述。随着深度学习在医学图像分析中的广泛应用，对于大规模专家标注的医学图像数据集的需求不断增加。然而，医学图像的标注成本高昂，限制了这一领域的发展。为了降低标注成本，主动学习（Active Learning, AL）选择最具有信息量的样本进行标注，并用尽可能少的标记样本训练高性能模型。文章首先介绍了医学图像分析的背景和重要性，包括医学成像在病变检测、诊断、治疗规划和外科干预中的作用，以及人工智能（AI）在这一领域的成功应用。
2024-06-26 12:38:48
1190
原创 人工智能在肿瘤复发/转移预测领域的最新进展｜顶刊速递·24-06-24
这篇文章是发表在《Nature Medicine》上的一项研究，我前两天的推文也推荐过这篇文章，为什么要再次拿出来说呢？因为……我明天有一篇推文就是关于这篇文献的精析。研究团队开发了一个名为HECTOR（histopathology-based endometrial cancer tailored outcome risk）的多模态深度学习预测模型，用于预测子宫内膜癌患者的远处复发风险。
2024-06-24 09:01:14
1005
原创 细胞核的分割与分类模型·HoVer-Net｜动手实操
上一期推文已经介绍了hover net的背景和代码仓库情况，这一期则是根据作者提供的示例代码进行分析，详细你看完这一期推文，应该就能大致掌握这些套路了。如果觉得意犹未尽，那就等待下一期吧，哈哈。
2024-06-23 11:39:58
803
原创 细胞核的分割与分类模型·hover net｜ 补充文档
"train": {},"valid": {},save_root,# *# *: 这是一个Python常用的条件语句，用于检查当前脚本是否作为主程序运行。如果是，则执行下面的代码块。: 设置一个标志，指示是否进行类型分类。这通常用于有类别标签的数据集。: 定义提取图像块（patch）的窗口大小为540x540像素。: 定义在图像上移动窗口以提取块时的步长为164x164像素。: 定义提取块时的边界处理方式为"mirror"，即使用镜像填充。
2024-06-23 11:38:22
685
原创 人工智能在数字病理切片虚拟染色以及染色标准化领域的研究进展｜顶刊速递·24-06-23
这篇文章介绍了一种用于数字病理学的端到端平台，该平台利用高光谱自荧光显微镜和基于深度学习的虚拟组织学染色技术。研究团队开发了一种定制的高光谱显微镜，用于无损成像未染色组织切片的自荧光。然后，他们训练了一个深度学习模型，使用自荧光生成虚拟的组织学染色，避免了化学染色过程的成本和变异性，并保留了组织样本。通过随机非酒精性脂肪性肝炎（NASH）评分比较研究，展示了虚拟图像在重现真实染色图像中的组织学特征方面具有中等到良好的一致性。
2024-06-23 09:53:02
894
原创 一文教会你在服务器端运行Jupyter（中）｜项目复现·24-06-22
上一篇推文我们学会了如何在服务器内克隆仓库，如何初步运行代码，在这一篇推文我们将进一步学习如何处理复杂的项目。这段代码涉及了PyTorch库、einops库以及自定义的函数调用。: 这行代码导入了PyTorch库，PyTorch是一个用于深度学习的开源机器学习库，提供了张量运算和神经网络构建等功能。: 这行代码从einops库中导入了rearrange和repeat函数。einops是一个**用于重塑和操作张量**的库，它提供了简单而强大的工具来处理张量的形状。: 这行代码从自定义的。
2024-06-22 13:48:41
1026
原创 一文教会你在服务器端运行Jupyter（上）｜项目复现·24-06-22
首先进入终端，配置用户名然后配置邮箱保存用户名和密码到本地列出当前用户的全局 Git 配置信息。
2024-06-22 13:44:31
922
原创 人工智能在影像组学与放射组学中的最新进展｜顶刊速递·24-06-22
这篇文章的目的是评估人工智能（AI）系统在通过MRI检测前列腺癌方面的性能，并与传统的放射科医生使用前列腺成像-报告和数据系统（PI-RADS 2.1）进行比较。研究团队训练并外部验证了一个AI系统，用于检测Gleason评分2组或更高级别的癌症。研究使用了10207例来自9129名患者的回顾性MRI检查队列。其中，9207例来自荷兰的三个中心（11个地点）的案例用于训练和调整，1000例来自荷兰和挪威的四个中心（12个地点）的案例用于测试。与此同时，
2024-06-22 08:32:55
1075
原创 人工智能在空间转录组学领域的最新研究进展｜顶刊速递·24-06-22
这篇文章是一项关于晚期透明细胞肾细胞癌（aRCC）患者接受免疫检查点阻断（ICB）治疗的多组学研究。研究团队通过综合分析肿瘤的多组学数据，开发了一种新的肿瘤转录组特征，即低人类白细胞抗原（HLA）抗原肽结合特异性（HLAprLOW）的肿瘤特征，这种特征能够预测患者对ICB治疗的临床反应。研究包括了对超过1000名患者的肿瘤转录组数据的分析，并通过单细胞和空间分辨率的验证，揭示了患者特异性的炎症性肿瘤相关巨噬细胞和（前）耗竭的CD8+ T细胞之间的相互作用。
2024-06-22 08:32:15
1043
原创 人工智能在肿瘤检测以及癌症早筛中的最新研究｜顶刊速递·24-06-21
这篇文章是一项关于人类胰腺癌前病变（PanINs）的3D基因组图谱研究。研究团队利用机器学习技术对46个大体正常的人类胰腺样本进行了3D组织学重建，并结合多区域微切割和目标及全外显子测序技术，分析了PanINs的微观解剖结构、细胞特征和体细胞遗传变异。研究发现，每个正常成人胰腺中可能含有数百个PanINs，其中大多数含有致癌的KRAS热点突变。研究还揭示了PanINs具有显著的多灶性和遗传异质性，大多数PanINs起源于具有不同体细胞突变特征的独立克隆。
2024-06-21 08:47:36
732
原创 HoVer-Net复现：手把手带你实现细胞核的分割与分类，并输出叠加图像｜24-06-21
HoVer-Net是一个用于多组织显微图像中细胞核的实例分割和分类的多分支网络。该网络利用细胞核像素的水平和垂直距离来区分聚集的细胞，并使用专门的上采样分支来对每个分割实例进行核类型的分类。接下来要介绍的代码，是HoVer-Net的官方版本，并且提供了训练模型权重——这些权重在CoNSeP、PanNuke、MoNuSAC、Kumar和CPM17等数据集上进行了训练。提供了环境设置指令、代码库结构、主要可执行脚本的说明，以及训练和推理的使用和选项。
2024-06-21 08:46:58
1419
原创 人工智能在【妇科肿瘤】领域的最新进展｜顶刊速递·24-06-20
这篇文章介绍了一种名为"Histomic Prognostic Signature"（HiPS）的新型数字组织形态学生物标志物，用于提高侵袭性乳腺癌预后评估的准确性。背景：乳腺癌是一种异质性疾病，具有不同的生存结果。传统的病理学评估依赖于定性的诺丁汉标准，但这些标准并不考虑肿瘤微环境中的非癌性元素。HiPS开发：研究者使用深度学习技术开发了HiPS，这是一种全面的、可解释的评分系统，用于评估乳腺癌肿瘤微环境形态学对生存风险的影响。HiPS能够量化评估细胞和组织结构，测量上皮、基质、免疫和空间交互特征。
2024-06-20 10:07:54
614
原创 基于`肿瘤浸润淋巴细胞`的AI风险评分预测`鼻咽癌`的`无局部生存率`｜顶刊速递·24-06-20
该研究开发了一种基于人工智能（AI）的方法，用于从肿瘤浸润性淋巴细胞（TILs）生成风险评分，以预测鼻咽癌（NPC）患者的局部无复发生存期（LRFS）。研究使用了来自中山大学肿瘤中心的385个全切片图像（WSIs），涵盖了367个病例。通过深度学习算法检测和量化TILs，并将它们分为12个等级，然后利用随机生存森林模型训练这些数据，以生成风险评分。研究结果表明，与EB病毒（EBV）DNA拷贝数相比，新提出的方法在局部复发病例中具有更强的预后价值。
2024-06-20 00:05:30
1036
原创 一文带你入门【论文排版】利器·LaTeX ｜Macos
我在刚开始写公众号的时候，写过一期推文，详细的讲解过如何使用LaTeX快速的进行论文排版。不过当时用的是windows的系统，这一次把Mac端的教程补上。windows系统教程LaTeX是一种流行的排版系统，广泛用于学术界、出版业和科技领域。它通过一系列的命令和标记语言，使用户能够以专业、美观和一致的方式排版文档。
2024-06-19 11:15:08
1079
原创 医学人工智能在“免疫组化”领域的最新研究进展｜顶刊速递·24-06-19
这篇文章提出了一个基于视觉变换器（Vision Transformer）的框架，用于从多模态到单模态的知识转移，以对淋巴瘤亚型进行分类。研究团队指出，确定淋巴瘤亚型对于改善患者治疗和提高生存率至关重要。目前，依赖基因表达技术的金标准诊断方法成本高昂且耗时，而基于IHC（免疫组化）技术的替代诊断方法虽然被世界卫生组织推荐，但准确性仍有待提高。为了解决这些问题，作者提出了一种使用深度学习模型分析全切片图像（Whole Slide Images, WSI）的方法，这提供成本效益高且快速的替代方案。他们。
2024-06-19 00:33:56
567
原创 人工智能在癌症新辅助治疗领域的研究｜顶刊速递·24-06-18
这篇文章是关于使用人工智能（AI）辅助的数字病理学来评估新辅助Atezolizumab治疗非小细胞肺癌（NSCLC）患者的病理反应。背景病理反应(PathR)是通过组织病理学评估切除的标本来评估新辅助治疗的早期临床终点，可能与长期结果相关。数字病理学可以提高PathR评估的效率和精确度。LCMC3研究评估了新辅助Atezolizumab在可切除NSCLC患者中的使用，并报告了20%的主要病理反应(MPR)率。方法。
2024-06-18 01:56:12
1190
原创 医学人工智能项目如何申请基金？
本期推文面向的群体尤其适合一直认真追小罗推文的老师/同学，你们会发现自己在看这篇推文的时候，遇到自己领域的项目时，文思如泉涌，仿佛马上就能把本子写好，哈哈。（运用了一丢丢夸张手法，实际效果看个人悟性哈，与小罗无关）北京市自然科学基金联合基金昨天吃饭的时候和家里人聊了一下我的课题进展，聊着聊着就扯到最近北京市的基金申报了。由于我们之间的课题其实也能有一些交叉，所以直接就把项目指南发给我了。其实这个不难获取，只是我之前一直没有关注而已，在就可以直接查询到。基金=选题。
2024-06-16 11:38:29
1015
原创 从原理到实战，一文带你掌握LASSO回归在临床数据中的应用｜实战分享·24-06-14
Lasso回归，全称最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator），是一种用于估计稀疏系数的线性回归模型。它由Robert Tibshirani在1996年提出，作为对普通最小二乘法（Ordinary Least Squares, OLS）的一种改进。Lasso通过在损失函数中添加一个绝对值惩罚项，来促使一些系数变为零，从而实现变量选择和正则化的效果。这篇文章是一项关于甲胎蛋白阴性肝细胞癌。
2024-06-14 11:36:46
1043
原创 人工智能在数字病理领域的最新进展｜顶刊速递·24-06-14
这篇文章介绍的一种专门为病理学领域设计的，名为PathChat的多模态生成性人工智能(AI)辅助系统。PathChat由一个基础视觉编码器、一个预训练的大型语言模型以及一个多模态投影模块组成，通过在超过456,000条视觉语言指令上的微调来构建。这些指令包括999,202个问答转换，覆盖了多种组织来源和疾病模型的多项选择诊断问题。研究者们比较了PathChat与其他几种多模态视觉语言AI辅助系统以及GPT4V（驱动商业化多模态通用AI助手ChatGPT-4的模型）的性能。
2024-06-14 11:34:52
645
原创 人工智能在【精准医学、抗肿瘤药物、基因组学】中的最新进展｜顶刊速递·24-06-12
这篇文章是《The Lancet Oncology》2024年6月的一篇系列论文中的第四篇，专注于低收入和中等收入国家（LMICs）在放射治疗研究方面的挑战和创新机会。背景：癌症是全球主要死因之一，2020年导致996万人死亡，其中71%发生在LMICs。放射治疗是治疗常见癌症的有效且经济的干预手段，但在LMICs的研究和创新面临挑战。LMICs的当前研究状况：全球癌症负担上升，预计到2030年，LMICs将承受近75%的癌症死亡。
2024-06-12 09:59:07
1116
原创 人工智能在【多模态:多组学+复发转移+肿瘤起源】的最新研究进展｜顶刊速递·2024-06-11
这篇文章介绍了一种用于计算病理学领域的视觉-语言基础模型，名为CONCH（Contrastive learning from Captions for Histopathology）。该模型通过使用多样化的组织病理学图像、生物医学文本以及超过117万张图像-标题对，进行任务不可知的预训练。CONCH在14个不同的基准测试中进行了评估，包括图像分类、分割、标题生成以及文本到图像和图像到文本的检索任务，展现出了在组织学图像分类、分割、标题生成以及检索方面的最新性能。
2024-06-11 19:37:47
1229
原创 Prov-GigaPath：新型数字病理基础模型｜顶刊精析·2024-06-10
这篇文章介绍了一种名为的新型数字病理基础模型，该模型利用美国大型医疗网络Providence的171,189个全切片（whole slides）上的13亿个256×256病理图像瓦片进行预训练。这些切片涵盖了超过30,000名患者的31种主要组织类型，用于癌症亚型和病理组学任务的评估。Prov-GigaPath利用了一种新颖的视觉变换器架构GigaPath，该架构通过自监督学习对千兆像素级别的病理切片进行预训练。GigaPath采用了新开发的LongNet。
2024-06-10 01:01:09
973
原创 人工智能在【肿瘤生物标志物】领域的最新研究进展｜顶刊速递·24-06-08
这篇文章是关于一种新型的深度学习辅助监测技术，该技术基于表面增强拉曼光谱（SERS）免疫分析法，用于监测HER2（人表皮生长因子受体2）过度表达的乳腺癌患者接受曲妥珠单抗（Trastuzumab，也称Herceptin®）治疗的效果。曲妥珠单抗是一种靶向HER2的药物治疗，对于转移性乳腺癌非常有效，但一些患者可能对该药物产生抗性，因此监测其疗效至关重要。研究团队开发了一种基于SERS的免疫分析法，通过检测患者尿液中肿瘤衍生的外泌体生物标志物来监测曲妥珠单抗的疗效。
2024-06-08 12:22:27
806
原创 人工智能在肿瘤预后预测中的最新研究进展｜顶刊精析·24-06-07
这篇文章是关于使用深度卷积神经网络自动分割经激光间质热疗(LITT)治疗的脑内病变的研究。LITT是一种治疗颅内肿瘤或放射坏死的方法，它允许组织诊断、细胞减量和快速恢复系统治疗。治疗后，消融组织保留在原位，导致特征性的LITT后水肿，这与临床状况暂时恶化有关，并使LITT后反应评估复杂化。训练一个基于nnU-Net的自动分割模型，用于在T1加权图像上自动分割LITT治疗病变的对比增强病变体积(CeLV)。对2015至2023年间在单一中心接受LITT治疗的肿瘤或放射坏死患者进行回顾性。
2024-06-07 11:02:08
1298
原创 组织病理学结合人工智能之后，如何实际应用于临床？｜顶刊精析·24-06-06
将人工智能应用于组织病理学图像的初步成果引发了大量的科学研究，现在导致了一系列的CPATH解决方案，这些解决方案在几个特定的诊断任务上与病理学家的表现相当。除了使用AI来执行人类专家的诊断任务外，我们在使用AI进行预测性特征的发现、治疗成功的预测或疾病形态表型与基因型之间的关系评估方面才刚刚开始。虽然许多技术挑战已经被克服，但临床实用性尚未得到证明，仍需克服许多障碍。除了收集足够大的注释WSI集合的挑战之外，还需要进行前瞻性研究，以展示AI在组织病理学诊断中的真正益处。
2024-06-06 08:51:48
1071
原创 人工智能在肿瘤细胞分类中的应用｜顶刊速递·24-06-06
这篇文章是关于一种名为的创新分类程序的研究，该程序结合了AIEgen荧光染料、深度学习算法和(SAM)，用于精确识别癌细胞。AIEgen-Deep通过显著减少80%-90%的手动注释工作量，展示了在识别癌细胞形态方面的显著准确性，在26,693张八种不同细胞类型的图像上达到了75.9%的准确率。在健康细胞与癌细胞的二元分类中，该模型显示出增强的性能，准确率为88.3%，召回率为79.9%。该模型能有效区分健康细胞（成纤维细胞和白细胞）和不同类型的癌细胞（乳腺癌、膀胱癌和间皮瘤细胞）
2024-06-06 06:38:01
1071
原创 多实例学习在无需像素级注释的情况下，大规模训练分类模型｜顶刊精析·24-06-05
这篇文章讨论了在病理学领域应用深度学习技术的最新进展，特别是在弱监督学习框架下对整个切片图像（Whole Slide Images, WSIs）进行分析的研究。文章强调了病理学在现代医学，尤其是癌症治疗中的核心作用，但指出传统的显微镜诊断方法一个世纪以来几乎没有变化。随着数字病理学的出现，通过数字切片扫描仪将玻璃切片数字化，为病理学家提供了一个潜在的新标准，使得计算病理学领域得以发展。文章着重介绍了一种基于多实例学习。
2024-06-05 01:15:09
1075
原创 顶刊速递·人工智能在食管癌领域最新进展｜24-06-05
这篇文章是关于一项前瞻性、随机对照研究，该研究探讨了深度学习如何协助检测食管癌及其癌前病变。研究由Shao-wei Li等人进行，发表在《》期刊上，于2024年4月17日上线。食管癌是全球第七大常见癌症，食管鳞状细胞癌（ESCC）约占食管癌病例的90%，尤其在亚洲部分地区的发病率更高。早期食管癌在内镜或手术治疗下有较好的5年生存率，但许多患者在症状出现后才发现病情已进展到晚期。因此，提高早期ESCC的检测率是一个挑战。研究者开发了一个基于深度卷积神经网络（CNN）的系统，用于检测食管癌和癌前病变。
2024-06-05 01:14:10
1227
原创 人工智能在病理组学中的发展历程概述｜24年6月·顶刊速递·06-04
这篇文章讨论了在病理学领域应用深度学习技术的最新进展，特别是在弱监督学习框架下对整个切片图像（Whole Slide Images, WSIs）进行分析的研究。文章强调了病理学在现代医学，尤其是癌症治疗中的核心作用，但指出传统的显微镜诊断方法一个世纪以来几乎没有变化。随着数字病理学的出现，通过数字切片扫描仪将玻璃切片数字化，为病理学家提供了一个潜在的新标准，使得计算病理学领域得以发展。文章着重介绍了一种基于多实例学习。
2024-06-04 00:39:18
1087
原创 Cell｜3D病理弱监督模型在前列腺癌患者治疗中的应用｜顶刊精析·24-06-04
这篇文章介绍了一个名为TriPath的3D病理深度学习平台，它用于临床终点预测。TriPath利用弱监督人工智能（AI）分析3D病理样本，以预测患者的复发风险。研究发现，与基于2D切片的方法相比，使用3D组织体积进行患者预后可以显著提高性能，因为它能更好地采样异质性组织并提取3D形态特征。通过对前列腺癌样本的训练，TriPath展示了其在风险分层模型中的有效性，这些样本通过开放顶部光片显微镜或微型计算机断层扫描成像。TriPath。
2024-06-04 00:38:40
903
原创 讲座PPT分享｜医学人工智能开始进入黄金时代｜24年6月·讲座速递·06-03
（个人经历打个码，希望大家更多的关注内容）这一页主要介绍自己的社交传媒矩阵，知乎主要分享的是考研期间的笔记，公众号主要分享的是文献相关的资料，B站则是分享一些不方便用文字展示的教程，CSDN则偏向于发布偏技术型的推文。四个平台，基本覆盖科研需要，方便更多的人获取优质资源，快速获取知识。我研究的是AI&鼻咽癌，又因为我是面向临床医生做的报告，所以我先讲临床背景。（经验丰富的老师，看到我的研究方向，应该就能把我培养单位猜出来了，哈哈）
2024-06-03 18:44:33
1465
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人