biomarkers | BriefGPT - AI 论文速递

关键词biomarkers

搜索结果 - 55

联合流：乳腺癌诊断的恶性区域学习
通过使用组织病理学图像检测和结合多种因素（ER、PR、HER2、ALN、HG、MS）进行分类，本研究展示了在公开数据集上，利用恶性区域学习模块结合空间和频域信息，可显著提高乳腺癌的多因素和单因素诊断性能。
PDF6 days ago
通过贝叶斯网络分析方法探索 1 型和 2 型糖尿病的生物标志物关系
通过应用贝叶斯网络结构学习分析上海 1 型和 2 型糖尿病数据集，揭示了与糖尿病相关的关键生物标志物之间的复杂关系。构建的贝叶斯网络在预测准确性方面表现出显著的效果，特别是对于 2 型糖尿病，其均方根误差为 18.23 毫克 / 分升，在单
PDF8 days ago
IJCAI基于生物标志物的癌症分类，使用经过预训练模型的集成
通过非侵入式方法，液体活检能够检测和监测特定生物标志物，提高医疗干预的精确性和效能，利用超快模型进行癌症分类，并结合超快模型、XGBoost 和 LightGBM 提出了一种新的集成模型用于多类别分类任务，仅使用 500 个主成分特征即可实
PDF18 days ago
MoME：混合多模态专家用于癌症生存预测
利用 Whole Slide Images 和基因组数据进行综合决策的生存分析面临着两个主要挑战：显著的异质性和两种模态之间的复杂相互作用。为解决这些问题，本文提出了一种偏向逐步编码的方法，通过多次迭代逐步减少跨模态差异并促进互补交互；此外
PDF18 days ago
全心循环内左心房运动变形的评估
通过高分辨率 3D Cine MR 图像，我们提出了全面的技术工作流程，设计了 4D 注册建模以自动分析左心房的运动。利用分割网络和 4D 注册过程精确地描绘了整个心动周期中左心房的分割，并利用图像 4D 注册网络提取左心房位移矢量场。我们
PDFa month ago
通过脑电图信号检测睡眠期间的氧气饱和度下降
利用机器学习技术从儿科患者睡眠呼吸暂停的脑电图（EEG）信号中识别潜在的氧减标志物，为睡眠呼吸暂停的诊断提供帮助。
PDF2 months ago
光学相干断层扫描图像的对比非配对图像转换的解剖条件
通过图像到图像（I2I）转换对不同模态的医学图像进行统一分析，解决因信息差异导致的非成对映射挑战。为了恢复语义一致性，本研究在对比学习非成对 I2I 转换（CUT）方法的基础上，通过额外的分割解码器支持风格解码器，提高样式转换图像与目标分布
PDF3 months ago
脑移位：慢性硬脑膜下血肿中无监督的伪健康脑合成，用于新的生物标志物提取
提出了一种使用解剖感知的非监督可微分假设健康合成方法生成脑部变形场的新方法，并利用该方法派生的变形场提取通过慢性硬脑膜下血肿引起的脑部位移的生物标志物，结果表明自动获得的脑部变形场可能具有个性化慢性硬脑膜下血肿治疗的预测价值。
PDF3 months ago
基于分布数据分析的异质图像分类
通过开发新的基于图像的分布数据分析方法，结合概率分布和像素级特征的定量回归模型，该论文在肝癌中实现了预测肿瘤分级变化的风险预测，同时改善了敏感性和特异性，为基于图像的早期检测和风险预测提供了优势。
PDF4 months ago
联合多任务学习改进计算机病理学中的弱监督生物标记物预测
通过弱监督的方式，我们开发了一个联合多任务 Transformer 架构，用于预测肿瘤学领域的两个关键预测生物标志物：微卫星不稳定性和同源重组缺陷，并通过辅助回归任务相关于肿瘤微环境，对此进行了培训和评估。使用我们的新方法，在外部队列中，相
PDF4 months ago
机器学习预测急性心肌梗死后的长期死亡率：基于收集的收缩时间间隔和临床数据
该研究调查了树模型在长期死亡预测上的表现，并研究了两种近期引入的生物标志物对长期死亡的影响。研究采用来自中国台湾卫生福利部的 CCHIA 公开数据，以及从 139 例急性心肌梗死患者收集的医学和人口统计学数据，使用先进的集成树模型算法预测了
PDF4 months ago
基于机器学习的分析：埃博拉病毒对非人类灵长类动物基因表达的影响
这项研究引入了基于机器学习的监督型振幅 - 高度评分（SMAS）方法，用于分析非人灵长类动物（NHPs）感染埃博拉病毒（EBOV）的基因表达数据。我们利用一组全面的 NanoString 基因表达谱数据集，采用 SMAS 系统进行微妙的宿主
PDF6 months ago
提升空间转录组学数据的潜在能力
Spatial transcriptomics 技术在组织中提供了多模态的转录组、空间和形态学数据，为了解转录组以外的组织生物学提供了机会。然而，我们发现 ST 数据种类中存在模态偏差现象，即不同模态对标签的贡献不一致导致分析方法倾向于保留
PDF6 months ago
非创伤重症监护室患者输血需求预测的稳健元模型
该研究使用机器学习模型为多样性危重病人预测输血需求，在有效预测输血需求的同时，还能识别关键生物标志物帮助输血决策。
PDF6 months ago
从全切片图像到生物标志物预测：结合计算病理学的端到端深度学习协议
该研究论文介绍了一种实用的基于深度学习的固体肿瘤相关建模工作流程（STAMP），使得可以直接从组织病理学图像中预测生物标志物。它包括问题定义、数据预处理、建模、评估和临床转化五个主要阶段，并且注重作为一个合作框架，为临床医生和工程师在计算病
PDF6 months ago
基于 3D CINE MRI 和无监督神经网络的高分辨率左房位移和应变地图
使用自动化工具 Aladdin 从高分辨率三维 Cine MRI 图像中可靠地表征左心房（LA）区域变形的无监督神经网络，生成 LA 位移矢量场和主应变数值图，发现健康组与心血管疾病（CVD）患者之间在位移幅值和主应变数值上有显著差异，并利
PDF7 months ago
一种用于准确诊断卵巢癌的可解释机器学习框架
卵巢癌是女性中最常见的癌症之一。本研究提出不同的生物标志物来针对绝经前和绝经后人群，为卵巢癌的有效诊断提供新视角。引入可解释性人工智能，提高诊断系统的可信度和透明度，建立了一种可靠的混合决策支持系统，该系统的诊断准确性显著优于现有方法。
PDF7 months ago
基于深度学习的数字乳腺癌免疫组织化学图像精确自动化量化的实例分割
使用基于深度学习的实例分割体系结构的自动量化方法，成功地将细胞核和膜生物标记物应用于免疫组化染色的胸部肿瘤图像，并集成到开发的网络平台中，作为病理学家的决策支持工具。
PDF7 months ago
Chrono 精神病：基于运动活动数据的时间分段及其对精神分裂症分类的影响
精神分裂症是一种复杂的精神疾病，特征是广泛影响认知、行为和情绪的症状。本研究通过对 22 名精神分裂症患者和 32 名对照对象进行的运动活动记录数据集的调查，发现运动活动数据中时间模式对准确分类精神分裂症患者具有潜在关键作用。使用 16 种
PDF7 months ago
ICU 接受感染性休克患者伴细菌血症和非细菌血症的临床特征和实验室生物标志物
评估了实验室生物标志物的预测能力，构建了研究了血流感染的预测模型，发现血流感染与死亡率高度相关。
PDF8 months ago