prostate cancer | BriefGPT - AI 论文速递

关键词prostate cancer

搜索结果 - 45

ssVERDICT: 自主学习的 VERDICT-MRI 用于提升前列腺肿瘤特征的表征
利用自我监督深度神经网络（DNN）对前列腺癌（PCa）的 VERDICT 模型进行参数估计，首次实现了复杂的三室分生物物理模型的无监督学习，相比传统方法具有更高的估计准确性、减少的偏差以及更高的癌变组织鉴别置信水平。
PDF10 months ago
基于可变元数据的前列腺病变检测的分离条件对比学习
通过结合多参数磁共振成像、前列腺成像报告与数据系统以及对比损失函数，提高了公开 PI-CAI 挑战数据集上的病变检测的 AUC 值。
PDFa year ago
用于前列腺癌症病变检测的超出分布的多视图自编码器
基于多个 T2w 方向的多流方法在医学影像数据中的无监督的离群分布检测应用于前列腺癌症状检测，并取得了比单一方向方法更好的检测效果（AUC：73.1 对比 82.3），表明了 MRI 在前列腺癌症状检测中无监督的离群分布检测的潜力。
PDFa year ago
前列腺年龄差异（PAG）：一种前列腺癌检测的 MRI 年龄代表性标记
通过利用前列腺磁共振成像扫描以及其与临床相关的前列腺癌进行联系，本研究评估并获得了 Prostate Age Gap（PAG）作为一种用于评估临床相关前列腺癌风险的磁共振成像标记工具。
PDFa year ago
弱监督人工智能在三维病理样本分析中的高效应用
人体组织和其组成的细胞形成的微环境本质上是三维的。我们提出了用于处理来自多种成像模态的 3D 组织图像并预测患者结果的基于深度学习的平台 MAMBA。MAMBA 通过 3D 基于块的方法，在预测方面表现出比传统的基于单层切片的预测方法更好的
PDFa year ago
利用图像翻译进行领域转移，提高前列腺癌分类的不确定性感知能力
本文提出了一种用于翻译未配对的前列腺 mp-MRI 图像以分类有临床意义的前列腺癌的新方法，通过培训在低数据大小的数据限制性环境中使用的证据深度学习方法的模型来改善性能和预测不确定性。
PDFa year ago
前列腺体内微超声和体外伪全切片病理图像的图像配准：概念验证研究
使用图像注册技术，作者提出了对微型超声进一步应用的可能性，利用大型数据集辅助训练医生进行识别并达到较高的准确率，有望应用于前列腺癌的早期诊断和治疗中。
PDFa year ago
小数据集的辅助监督改进多模态融合
研究简述：为了在小数据集上避免过拟合，提出使用额外监督、临床预测和密集融合三种简单方法进行改进的多模态融合，以帮助优化。提出的方法可以应用于任何具有配对图像和非图像数据的分类任务，本研究在前列腺癌诊断方面进行了验证。
PDFa year ago
前列腺 MRI 和组织病理图像的弱监督配准
该研究提出了一种弱监督的 MRI 和组织病理学图像的仿射和可变形配准方法，用于早期检测前列腺癌，可以减轻需要前列腺分割的负担，并取得了比其他方法更高的准确度。
PDF3 years ago
通过 Gleason 评分标准深度探究：组织学前列腺分级和网格图案检测的自动化端到端系统
本篇论文旨在开发基于深度学习技术的系统，以支持病理学家对前列腺活检材料进行分析，并从中检测 Gleason 网格 4 的癌性模式。通过训练自设计的简单神经网络模型，我们获得了比现有模型更好的 Gleason 等级分类结果，并且在癌性模式检测
PDF3 years ago
借助伪观察量进行生存结果的倾向性评分加权分析
文章提出了一种处理在 “比较效度研究” 中常出现、因样本不完整而右截断的生存结果的方法，该方法将生存结果构造为伪观测值，使得标准方法如 “倾向性评分加权法” 可以像完全观测数据一样进行因果推断，借助函数变量法和 von Mises 展开法产
PDF3 years ago
无标签数据改善协变量偏移下的贝叶斯不确定性校准
本研究提出了一种基于后验正则化的近似贝叶斯推断方案，可以用未标记的目标数据作为模型置信度的 “伪标签”，这些伪标签被用于调整标记源数据上的损失，显著提高了协变量移位数据集的不确定性量化准确性，适用于转移前瞻性前列腺癌模型在全球范围内的应用。
PDF4 years ago
在线医学视频虚假信息自动检测
本研究介绍了一个新数据集，其中包含 250 个手动注释的前列腺癌视频，用于自动检测 YouTube 视频中的错误信息。研究者们利用语言、声学、和用户参与等特征开发了分类模型，其识别错误信息的准确率可达到 74％，具有 76.5％的精确度和
PDF5 years ago
CVPR一种基于注意力机制和多分辨率的前列腺全扫描图像分类和定位模型
本文提出了一种基于注意力机制的多实例学习模型，用于幻灯片级别癌症分级和弱监督区域兴趣检测，并在前列腺癌中进行了实验，其利用可视化显著性图来选择信息瓷砖，提高了细粒度等级分类的性能。
PDF5 years ago
使用深度卷积神经网络进行前列腺癌检测
本文介绍了基于卷积神经网络（CNNs）构建自动化流程，用于检测临床意义的前列腺癌（PCa）的给定轴向 DWI 图像，并为每个患者进行检测。检测性能在受试患者中获得了 0.87 的接收器操作特征曲线下面积（AUC）（95％置信区间（CI）：0
PDF5 years ago
组织病理学相似图像搜索：SMILY
本文介绍了基于深度学习的反向图像搜索工具 SMILY，可以在组织病理学图像数据库中提高搜索效率，且能够正确检索具有类似组织学特征，器官位点和前列腺癌 Gleason 评分的搜索结果。
PDF5 years ago
NIPS结合弱监督和强监督对前列腺癌组织学图像进行分类
本研究通过联合训练两个数据集以及引入一种梯度更新机制，旨在自控弱监督信号，基于大型弱标记数据集和小型强标记数据集，自动赋予前列腺癌全层切片的格里森分数的任务。我们的方法在与标准格里森评分方法比较时取得了优异的性能。
PDF6 years ago
开发与验证基于深度学习算法的前列腺癌格里森评分改进
本研究开发了一个深度学习系统，利用细胞病理医生注释的图像样本对前列腺癌组织学图像进行 Gleason 评分，精度达 0.70，较普通病理医生有较大改善，有望提高患者预后评估准确性，并且可以更细致地描述和量化肿瘤形态学。
PDF6 years ago
使用深度学习在带有免疫组化参考标准的 H&E 染色前列腺标本中进行上皮分割
本文提出了一种基于免疫组织化学和深度学习的数字化前列腺切除切片上细胞分割的新方法，通过该方法可以较为精确地区分上皮组织和其他组织，并对其进行细胞级分割，从而实现对前列腺癌的自动检测和分级。
PDF6 years ago
前缀对抗性领域自适应在前列腺组织学全切片图像分类中的应用
该文提出采用无监督领域适应方法，利用对抗性训练在整张组织切片图像上实现领域间知识的转移，提高了前列腺癌 Gleason 分数的分类表现。
PDF6 years ago