今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

随机特征与 milkmaid 统计模型相遇:一种用于预测结直肠微卫星不稳定性的深度遗传程序(Deep GP)方法

《npj Digital Medicine》:Random features meet MIL: a deep GP approach to colorectal MSI prediction

【字体: 大 中 小 】 时间:2025年12月16日 来源:npj Digital Medicine 15.1

编辑推荐:

  摘要结直肠癌(CRC)是全球癌症相关死亡的主要原因之一,早期诊断对于改善患者预后至关重要。尽管该领域取得了显著进展,但由于数据监督不足、数据异质性以及大规模数据集等问题,从医学图像中进行准确预测仍然面临挑战。在本文中,我们提出了一种新的结直肠癌分类方法,该方法将深度高斯过程(DG

  

摘要

结直肠癌(CRC)是全球癌症相关死亡的主要原因之一,早期诊断对于改善患者预后至关重要。尽管该领域取得了显著进展,但由于数据监督不足、数据异质性以及大规模数据集等问题,从医学图像中进行准确预测仍然面临挑战。在本文中,我们提出了一种新的结直肠癌分类方法,该方法将深度高斯过程(DGP)与多实例学习(MIL)相结合。我们的方法旨在处理只有袋级标签可用且标记较弱的数据,并通过使用具有随机特征扩展的深度高斯过程(DGP-RF)来提高分类性能。此外,我们的方法还引入了一种基于注意力的聚合机制,以突出全切片图像中的关键区域,从而增强模型的可解释性和鲁棒性。在TCGA-CRC数据集上的实验结果表明,我们的模型性能优于现有模型,其AUC值为0.895,而ResNet的AUC值为0.777,EfficientNet为0.791,ShuffleNet为0.784。这些结果凸显了我们在准确性和鲁棒性方面的优势。这项工作为自动化癌症检测提供了一种有前景的工具,并具有临床应用的潜力。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:结直肠癌分类|深度高斯过程|多实例学习|弱标注数据|注意力聚合机制|AUC值优化

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号