survival prediction | BriefGPT

关键词survival prediction

搜索结果 - 24

整切片病理图像中多模态交叉任务交互的生存分析
利用病理图像和基因组学特征进行生存预测在癌症分析和预后中变得越来越重要。本文提出了一种多模态跨任务交互 (MCTI) 框架，用于探索亚型分类和生存分析任务之间的内在关联。通过利用亚型分类任务来捕捉病理图像中与肿瘤微环境相关的特征，在基因组特
PDF11 days ago
多模态区域对齐网络用于 Covid X 光生存预测与报告生成
应对全球 COVID-19 大流行，先进的自动化技术已成为有价值的工具，以改善放射学报告生成和预测分析，分担医疗专业人员的工作负担。本研究提出了一种多模态区域对齐网络（MRANet），该网络是一个可解释的模型，用于放射学报告生成和生存预测，
PDFa month ago
ResSurv：基于残差网络的癌症生存分析预测模型
通过基于深度残差学习的 ResSurv 模型，我们成功地解决了使用高通量数据时深度学习模型基于 Cox 比例风险存在过拟合问题以及网络退化问题的困扰，并在深度学习领域取得了领先地位，能够有效提取深层信息。
PDF2 months ago
通过多标签学习和深度模型解释推进头颈癌生存预测
我们提出了 IMLSP，一个可解释的多标签多模态深度存活预测框架，用于同时预测多个头颈癌存活结果，并提供深度预测过程的时间事件特定的可视化解释。我们采用多任务逻辑回归层将存活预测从回归问题转化为多时间点分类任务，并能够同时预测多个相关存活结
PDF2 months ago
CVPRMMIST-ccRCC：用于多模态系统开发的现实世界医学数据集
该研究介绍了一个真实的多模态数据集 MMIST-CCRCC，其中包括 CT 和 MRI 放射学模态、组织病理学、基因组学和临床数据，共有 618 名肾细胞癌患者。研究展示了通过模态融合可以改善生存预测的结果，在存在不完整模态的情况下，即使遗
PDF2 months ago
多尺度异质性感知的组织病理学全切片图像超图表征
通过构建多尺度异质感知超图，挖掘生物实体间的多样互动以获得全局表示，并在三个基准数据集上表现出优越性能。
PDF2 months ago
通过生物信息学的跨模态图学习，实现病理基因融合以用于生存分析
基于多模态融合模型，结合病理图像和基因组数据，本文提出一种适用于癌症生存分析的病理基因异质图模型（PGHG）。通过生物学先验知识，该模型实现了特征提取、生存预测和可解释性展示等功能，并在多个癌症数据集上证明了其性能优越性。
PDF3 months ago
SurvMamba: 多粒度多模态相互作用的状态空间模型用于生存预测
通过多模态学习，结合病理图像和基因组数据，可以显著提高生存预测的准确性。本研究提出了一种多粒度多模态交互的结构化状态空间模型（SurvMamba），用于生存预测。通过 Hierarchical Interaction Mamba（HIM）模
PDF3 months ago
推进肿瘤学基因选择：深度学习与稀疏性的精确基因选择融合
基于深度学习的生存预测模型中的两种基因选择策略，一种利用稀疏性诱导方法，另一种利用重要性基因选择来识别相关基因，通过广泛的实验验证表明，该策略不仅可以识别具有高预测能力的基因特征用于生存结局，还可以简化低成本基因组筛查过程，为个体化医学和靶
PDF4 months ago
使用迁移学习预测胶质瘤的生存和分级
本研究介绍了一种新的方法，利用迁移学习技术准确检测和预测高度恶性脑胶质母细胞瘤的生存和分级。实验结果表明，该方法在生存预测方面达到 65% 的准确率，将患者分为短期、中期和长期生存三个类别；在肿瘤分级方面达到 97% 的准确率，可以准确区分
PDF5 months ago
TTMFN: 基于双流变压器的多模态融合网络用于生存预测
我们提出了一种名为 Two-stream Transformer-based Multimodal Fusion Network for survival prediction (TTMFN) 的新型框架，综合了病理图像和基因表达数据，通过
PDF8 months ago
发挥额外决策树特征选择和随机森林分类器的潜力，提高心力衰竭患者生存预测效果
利用数据预处理技术和 Extra-Tree 特征选择方法结合 Random Forest 分类器，提高心衰患者生存预测准确性。采用 UCL 心衰生存数据集进行特征选择和调优，获得了 98.33% 的最高准确率。
PDFa year ago
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。
PDFa year ago
合并 - 分离混合变压器网络用于头颈癌生存预测
我们提出了一种融合 - 分叉学习框架，用于从多模态图像进行生存预测，并在融合编码器中使用混合并行交叉注意力块（HPCA）来融合多模态特征，并在分叉解码器中使用区域特定注意力门（RAG）块来筛选与病变区域相关的特征。我们的框架在头颈部 PET
PDFa year ago
基于 StyleGAN 嵌入的人像照片深度学习预测癌症预后
本文提出使用深度学习的方式对患者照片中抓取包含在传统人像照片中患者健康预测信息，并将其应用于癌症患者的生存预测，使用 StyleGAN2 取得了不错的效果，能够基于面部特征获得幸存率预测信息。
PDFa year ago
基于 Copula 的深层生存模型 —— 用于相关截尾数据的分析
该论文介绍了一种参数化的生存模型，通过放宽条件独立性的假设，扩展现代非线性生存分析并在合成和半合成数据中显著提高了生存分布的估计。
PDFa year ago
基于多模态最优传输的具有全局结构一致性的共同注意力变换器，用于生存预测
提出了一种用于生存预测的多模式最优传输协方差建议变压器框架，其中使用最优传输来匹配外展病理学切片和基因嵌入，以选择信息丰富的块来表示巨像素 WSI。
PDFa year ago
DeepMSS: PET/CT 图像的深度多模态分割至生存预测学习
本文提出了一种新型深度多模态分割 - 预测幸存模型，該模型采用分割 - 预测学习策略和数据驱动的方法，能够从 PET/CT 图像中进行肿瘤分割和幸存预测，并能将传统放射学特征作为一种增强，能够更好地适应最佳训练模型来预测平台上不同的治疗的
PDFa year ago
乳腺癌风险因素分析和生存预测的监督式机器学习
利用机器学习方法，比较逻辑回归、支持向量机、决策树、随机森林、极端随机树、最近邻算法和自适应增强等七种分类模型来预测基于 METABRIC 数据集中 1904 名患者记录的 5 年乳腺癌生存率。研究结果表明，这些分类器可以准确预测样品的生存
PDFa year ago
建模生物通路与组织学之间的密集多模态交互以进行生存预测
本研究提出了一种基于生物通路令牌和组织学图像令牌的转换器模型，结合了 WSI 和大量转录组学数据，具有作为细胞功能解释单位的前瞻性，并在肿瘤患者生存预测方面取得了最佳效果。
PDFa year ago