从组织学图像中对癌症转录组的数字分析,并对视觉注意力进行分组
Yuanning Zheng1, Marija Pizurica1,2, Francisco Carrillo-Perez1
1Department of Medicine, Stanford Center for Biomedical Informatics Research (BMIR), Stanford University, Stanford, 94305, USA.
bioRxiv : the preprint server for biology
|October 9, 2023
概括
一个新的变压器模型从组织学图像中预测癌症基因表达. 这种方法有助于理解癌症生物学,并开发个性化疗法,以改善患者的治疗结果.
科学领域:
- 计算生物学是一种计算生物学.
- 数字病理学数字病理学
- 癌症基因组学 癌症基因组学
背景情况:
- 癌症的异质性需要精确的分子分析,以有效管理.
- 深度学习模型在从组织学图像中预测分子变化方面表现有前途.
- 变压器架构虽然强大,但由于数据集小,参数数量高,在组织学方面面临挑战.
结论:
- 变压器模型有效地从组织学图像中解读出临床相关的基因表达模式.
- 这项技术为推进癌症管理和个性化治疗策略提供了新的可能性.
- 突出了将深度学习与数字病理学整合为全面癌症分析的潜力.
更多相关视频
06:47Expanding the Comprehension of the Tumor Microenvironment using Mass Spectrometry Imaging of Formalin-Fixed and Paraffin-Embedded Tissue Samples
Published on: June 29, 2022
2.2K
13:01Industrialized, Artificial Intelligence-guided Laser Microdissection for Microscaled Proteomic Analysis of the Tumor Microenvironment
Published on: June 3, 2022
3.8K
