Search research articles

ACERCA DE JoVE

Visión General Liderazgo Blog Centro de Ayuda JoVE

AUTORES

Proceso de Publicación Consejo Editorial Alcance y Políticas Revisión por Pares Preguntas Frecuentes Enviar

BIBLIOTECARIOS

Testimonios Suscripciones Acceso Recursos Consejo Asesor de Bibliotecas Preguntas Frecuentes

INVESTIGACIÓN

JoVE Journal Methods Collections JoVE Encyclopedia of Experiments Archivo

EDUCACIÓN

JoVE Core JoVE Business JoVE Science Education JoVE Lab Manual Centro de Recursos para Profesores Sitio de Profesores

Términos y Condiciones de Uso

Política de Privacidad

Videos de Conceptos Relacionados

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por

Same author

Plasmin-mediated fibrinolysis is required for hematopoietic recovery after 5-FU-induced myeloablation.

Blood advances·2026

Same author

Histology-guided 3D virtual staining of microCT-imaged lung tissue via deep learning.

Journal of the Royal Society, Interface·2026

Same author

Treatment of Hemifacial Spasm With Endovascular Stenting of the Vertebral Artery.

Neurosurgery practice·2026

Same author

Third-Party Convener Firms And The Rise Of Geographically Dispersed, High-Earning Medicare ACOs.

Health affairs (Project Hope)·2026

Same author

Mobile Stroke Units Enable Hyperacute Interventions for Intracerebral Hemorrhage.

Stroke·2026

Same author

Revision older adult idiopathic scoliosis patients show less improvement in self-image scores than primary patients following posterior spinal fusion.

Spine deformity·2026

Same journal

A viral ORFeome library for systems-level genetic dissection of host-pathogen interactions.

Cell·2026

Same journal

Co-option of lysosomal machinery shapes the evolution of the intracellular photosymbiosis supporting coral reefs.

Cell·2026

Same journal

LEF1 and niche factors determine T cell stemness across chronic diseases.

Cell·2026

Same journal

Recurrent patterns of TOP1-mediated neuronal genomic damage shared by major neurodegenerative disorders.

Cell·2026

Same journal

Four-dimensional molecular mapping from a spatial snapshot reveals the dynamics of hair follicle organogenesis.

Cell·2026

Same journal

Whole-cell particle-based digital twin simulations from 4D lattice light-sheet microscopy data.

Cell·2026

Ver todos los artículos relacionados

Search research articles

Video Experimental Relacionado

Updated: Jun 26, 2025

Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment

Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment

Published on: June 3, 2022

Análisis de muestras de patología 3D utilizando IA débilmente supervisada

Andrew H Song¹, Mane Williams², Drew F K Williamson¹

¹Department of Pathology, Brigham and Women's Hospital, Harvard Medical School, Boston, MA, USA; Department of Pathology, Massachusetts General Hospital, Harvard Medical School, Boston, MA, USA; Cancer Program, Broad Institute of Harvard and MIT, Cambridge, MA, USA; Data Science Program, Dana-Farber Cancer Institute, Boston, MA, USA.

|May 10, 2024

Resumen

Este resumen es generado por máquina.

TriPath, una plataforma de aprendizaje profundo, utiliza imágenes de tejido en 3D para predecir la recurrencia del cáncer de próstata. Este enfoque 3D supera a los métodos 2D tradicionales, reduciendo el sesgo de muestreo y mejorando la precisión de la predicción de riesgos.

Palabras clave:

Aprendizaje profundo en 3D Microscopía en 3D Patología 3D patología computacional aprendizaje profundo Heterogeneidad intratumoral el microCT pronóstico del paciente microscopía sin diapositivas

Más Videos Relacionados

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Published on: October 28, 2018

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

Videos de Experimentos Relacionados

Last Updated: Jun 26, 2025

Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment

Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment

Published on: June 3, 2022

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

Published on: October 28, 2018

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Author Spotlight: AI-Driven Trypanosome Species Detection from Microscopic Images

Published on: October 27, 2023

Área de la Ciencia:

Patología computacional
Patología digital
Imágenes oncológicas

Sus antecedentes:

El análisis de tejidos humanos tradicionalmente se basa en la histopatología 2D, que puede perder información estructural 3D crucial debido al sesgo de muestreo.
Los métodos de imagen 3D existentes se enfrentan a desafíos en la traducción clínica debido a la complejidad de la evaluación manual y la falta de herramientas computacionales para grandes conjuntos de datos.

Objetivo del estudio:

Para presentar TriPath, una plataforma de aprendizaje profundo diseñada para procesar volúmenes de tejido en 3D.
Desarrollar y validar modelos 3D basados en características morfológicas para predecir los resultados clínicos, específicamente el riesgo de recurrencia en el cáncer de próstata.

Principales métodos:

Se tomaron imágenes de muestras de cáncer de próstata utilizando microscopía de lámina abierta y tomografía microcomputada.
Se entrenaron modelos de aprendizaje profundo en estos conjuntos de datos 3D para predecir el riesgo de recurrencia.
El rendimiento se comparó con los métodos tradicionales basados en cortes 2D y las evaluaciones de patólogos expertos.

Principales resultados:

El pronóstico basado en volumen 3D demostró un rendimiento superior en comparación con los enfoques 2D tradicionales.
La plataforma predijo efectivamente el riesgo de recurrencia, superando los modelos de referencia, incluidas las evaluaciones de patólogos expertos.
El uso de volúmenes de tejido más grandes mejoró la precisión del pronóstico y redujo la variabilidad causada por el sesgo de muestreo.

Conclusiones:

TriPath ofrece una plataforma computacional eficiente para analizar datos de tejidos en 3D.
El análisis morfológico 3D proporciona predicciones clínicas más precisas y confiables que los métodos 2D.
El estudio destaca el valor significativo de la caracterización integral de tejidos en 3D para superar las limitaciones de la histopatología tradicional.