Aug, 2023

CRC-ICM: 结直肠癌免疫细胞标志物模式数据集

PDF
TL;DRCRC-ICM 数据集中包含了与 136 名患者相关的 1756 张结肠组织图片，研究了结直肠癌的原发肿瘤、免疫检查点、肿瘤微环境等关键领域。
colorectal cancerprimary tumorimmune checkpointstumor microenvironmentcrc-icm
发现论文，激发创造
  • 基于 H&E 染色图像的临床信息启发的多实例学习框架用于患者级别结直肠癌分子亚型分类的研究

    通过使用深度神经网络（DNN）和多示例学习技术（MIL），结合临床先验知识，构建了一个名为 “CIMIL-CRC” 的模型，用于鉴别结直肠癌的亚型，结果显示其在区分不同亚型及患者级别分类方面表现优异。

    Jan, 2024

  • 基于深度学习的乳腺癌肿瘤和免疫表型的组织病理预测

    通过应用多实例学习算法和不同的特征提取方法，该研究对乳腺癌的初级肿瘤进行多重描述，以测量肿瘤和免疫表型，为开发计算病理学标志物提供了潜力。

    Apr, 2024

  • 一份 AI 准备的多重染色数据集，用于肿瘤免疫微环境的可重现和准确表征

    本文介绍了一个新的计算病理学数据集，其中包含八名头颈鳞癌患者的重新染色和共注册数字化图像。该数据集展示了两种染色方法的等效性，为深度学习方法提供了客观的免疫和肿瘤细胞注释，并可用于肿瘤免疫微环境的更可重复和准确的表征。

    May, 2023

  • 肺和结肠癌组织病理图像数据集（LC25000）

    本研究创建了一个包含 25,000 张医学图像的数据集（LC25000），包括多种组织病理类型，为机器学习和人工智能领域的研究提供了一个可用的数据资源。

    Dec, 2019

  • 具有模型解释能力的肝转移 AI 辅助病灶检测框架

    该研究提出了一种结合人工智能系统的诊断方法，该方法可以协助医生评估 CRC 的转移，并通过模型的可解释性提供模型推理的解释。

    Jul, 2019

  • Immunocto: 一款用于组织病理学的大规模免疫细胞数据库自动生成工具

    利用组合数字化显微高分辨率光学图像和自动免疫细胞检测技术，我们引入了 Immunocto 数据库，该数据库包含了 6,848,454 个人类细胞中的 2,282,818 个免疫细胞，涵盖了 CD4+T 细胞、CD8+T 细胞、B 细胞和巨噬细胞四个亚型。通过在 Immunocto 上训练的分类器，可以辨别四个免疫细胞亚型和其他细胞，平均 F1 分数为 0.74。

    Jun, 2024

  • 结直肠癌筛查的人工智能展望

    利用血液标记物和人工智能技术进行非侵入性的风险评估，通过检查现有的医疗实践来推动结直肠癌筛查的变革。

    Sep, 2022

  • 利用肝脏 CT 扫描在结直肠癌基因突变分类中的应用

    该研究使用人工智能分析计算机断层扫描（CT 扫描）图像，并提出了一种基于深度学习的方法，以准确识别结直肠癌患者肝脏远处转移所涉及的突变和基因组突变诊断，其 F1 评分为 0.73。

    Jan, 2024

  • 用中红外光谱将结肠原位癌与正常结肠区分

    使用傅立叶变换中红外光谱法测量甲醛固定石蜡包埋组织样本，应用分类器算法来识别组织基于其光谱，比较两种数据处理技术并应用过滤，通过排序差异总和来比较模型性能。

    Mar, 2024

  • 结直肠癌组织学切片多任务学习的组织分割和肿瘤检测

    使用 U-Net 多任务模型结合颜色和统计学增 & 测试时增强，来实现对组织分割和肿瘤检测的自动化，以期解决由于公共数据集稀缺和图像变异导致的困难。在 CRC 检测（SemiCOL）2023 挑战上，该方法在被部分标注的数据集上取得了.8655 的 Dice 分数（Arm 1）和.8515 的 Dice 分数（Arm 2）用于组织分割，并在肿瘤检测方面分别达到了.9725（Arm 1）和.9750（Arm 2）的 AUROC 值。

    Apr, 2023