本文介绍了使用深度学习模型对肺癌病理图像进行细胞核分割与分类的研究，揭示了肿瘤微环境的特征，建立了预后模型，证明了图像特征与病人预后及生物通路转录活动的关联。
今天和大家分享的是2020年3月发表在CANCER RESEARCH (IF=9.727) 的一篇文章"Computational staining of pathology images to study the tumor microenvironment in lung cancer ", 作者建立肺癌病理图像深度学习模型，对肿瘤组织细胞核进行分割与分类，描述肿瘤微环境特征，预测病人预后。
一、研究背景
肿瘤组织病理图像可以用于肿瘤分级，分期并提供肿瘤微环境信息。近期研究表明，肿瘤浸润淋巴组织(TIL)的空间组成和结构对肿瘤微环境(TME)有重要影响。
不同类型细胞的空间分布提供了TME的重要信息，揭示细胞生长模式与不同类细胞的空间联系，可用于肿瘤生长与转移预测
最低0.47元/天 解锁文章
2664
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
