Nov, 2023

一种基于注意力机制的深度学习网络用于预测卵巢癌中的铂抗药性

PDF
TL;DR通过多模态正电子发射计算机断层扫描 / 计算机断层扫描（PET/CT）成像和深度学习方法，可以准确预测卵巢癌患者的铂抗药性，从而帮助妇科医生做出更好的治疗决策。
pet/ctcnnse blockspp layerplatinum resistance
发现论文，激发创造
  • 个性化肾细胞癌预后的多模态深度学习：CT 影像与临床数据的整合

    通过结合 CT 成像和临床数据，该研究旨在设计一个全面的深度学习模型，能够预测肾细胞癌患者的存活概率，解决之前研究中存在的局限性，以便识别需要紧急治疗的患者。

    Jul, 2023

  • BioFusionNet: 通过多特征和多模态数据融合的基于深度学习的 ER + 乳腺癌生存风险分层

    利用深度学习和综合多模态特征集成方法，该研究提出了一种能够准确进行生存风险分层和乳腺癌患者个性化治疗决策的方法，并应用于 ER + 乳腺癌病人，取得了优于现有方法的预测性能，同时解决了处理不平衡数据的重要问题。

    Feb, 2024

  • MM-SurvNet：基于深度学习的多模式数据融合在乳腺癌中的生存风险分层

    通过将组织病理图像、遗传数据和临床数据整合，构建了一种新颖的深度学习方法，使用视觉转换器和自注意力机制在病人层面上提取图像特征和捕获图像关系，同时采用双交叉注意力机制结合遗传数据，并在最终层级上加入临床数据以提高预测准确性，通过在公共 TCGA-BRCA 数据集上的实验，表明使用负对数似然损失函数训练的模型能够取得卓越的性能，均值 C 指数为 0.64，超过现有方法，为制定个体化的治疗策略提供了便利，潜在地改善了患者预后。

    Feb, 2024

  • 应用层次视觉变换器和多实例学习预测组织病理学中的卵巢癌治疗反应

    评估了深度学习方法在预测卵巢癌治疗效果方面的效力，发现使用预训练的图像金字塔转换模型提取区域级特征，再用基于注意力的多实例学习模型进行整合和分类，能够部分预测抗血管生成药物 bevacizumab 在卵巢癌患者中的治疗效果，但受数据集限制和异质性的影响，准确性还需要更大、更高质量的数据集进一步验证。

    Oct, 2023

  • 局部晚期直肠癌治疗反应的深度学习分类器基于内窥镜图像

    我们开发了一个深度学习分类器，用于从内窥镜图像中识别在全新辅助治疗过程中的直肠癌反应（肿瘤与非肿瘤）。我们通过使用基于最优质量运输的图像协调方法来解决内窥镜图像的多样性，并通过评估多种训练规范化方案来研究 ResNet-50 网络在分布内和接近分布外的泛化能力。我们的结果表明，现成的深度学习分类器能够在不同阶段的疗法监测中从内窥镜图像中检测直肠癌。

    May, 2024

  • 应对 HER2 乳腺癌组织学图像分类中的不确定性：一种可解释的集成方法与阈值筛选的单实例评估（SIE）

    该研究提出了一种集成方法，结合 HER2 表达的多分类，从乳腺癌组织病理切片图像中诊断乳腺癌，通过与现有模型的比较，该方法取得了 97.12% 的准确率，并有显著改进。

    Aug, 2023

  • 非小细胞肺癌预后的多模态学习

    本文提出了一个名为 Lite-ProSENet 的智能跨模态网络，针对肺癌的生存时间分析任务，利用多模态数据，相较于现有模型达到了最新的最优结果，89.3% 的协调性。

    Nov, 2022

  • CG-3DSRGAN：一种用于低剂量 PET 图像质量恢复的分类引导 3D 生成对抗网络

    本文提出了一种基于分类引导生成对抗网络和超分辨率细化的方法来提高正电子发射断层扫描成像的质量。通过对低剂量数据的噪声水平特征的更全面理解，改进了图像合成，并在各种剂量减少因素下优于现有的方法。

    Apr, 2023

  • 卵巢癌残留病预测的多视角注意力学习

    本文介绍了一种基于多视图关注学习的新型方法 MuVAL 用于卵巢癌的残余疾病预测，致力于通过综合学习 3D 计算机断层扫描图像的多视图信息来提高预测效果，与现有的深度学习方法相比，它表现出更好的性能。

    Jun, 2023

  • 针对恶性胸膜间皮瘤的卷积神经网络分割：概率图阈值分析（CALGB 30901，Alliance）

    评估使用卷积神经网络生成的恶性胸膜间皮瘤（MPM）肿瘤分割图像的概率映射阈值对肿瘤轮廓的影响。

    Nov, 2023