图形神经网络在计算病理学中的临床应用:一篇综述
1Xi'an Technological University, Xi'an, Shaanxi, 710021, China.
Computers in biology and medicine
|July 30, 2023
概括
计算组织病理学使用基于图形的方法来诊断癌症. 这篇评论探讨了图形构造和应用,在数字病理学中推进AI.
科学领域:
- 数字病理学和计算基因病理学.
- 医疗成像中的人工智能 (AI)
- 基于图形的机器学习用于生物数据.
背景情况:
- 病理学检查对于癌症诊断至关重要,数字成像使得计算基因病理学成为可能.
- 早期的计算方法依赖于手动的特征提取,产生不满意的结果.
- 人工智能的进步,包括深度学习,提高了性能,但在组织病理学图像中的上下文信息方面遇到了困难.
研究的目的:
- 审查现有的基于图形的方法在计算病理学.
- 提出一种新而全面的图形构造方法.
- 通过学习范式对计算病理学技术进行分类,并讨论临床应用.
主要方法:
- 在计算病理学中对基于图形的方法的审查.
- 开发一种新的图形构造方法.
- 基于学习范式的方法的分类 (例如,传统的机器学习,深度学习).
主要成果:
- 基于图形的方法显示出在组织病理学图像中特征提取的前景.
- 拟议的图形构造方法提供了一个更全面的解决方案.
- 现有方法被分类,并总结了常见的临床应用.
结论:
- 基于图形的方法是有效的捕捉复杂的特征在他的病理学.
- 本综述提供了一个结构化的概述,并突出显示了计算病理学领域未来的研究方向.
- 该领域正在迅速发展,对人工智能驱动的癌症诊断有很大的潜力.
