概括
图形过学习 (GFL) 通过捕捉复杂的拓特征提供了一种分析肝细胞癌 (HCC) 图像的新方法. 这种先进的技术有望改善HCC诊断和治疗计划.
科学领域:
- 医学成像分析 医学成像分析
- 计算拓学的计算拓学
- 在瘤学中的机器学习
背景情况:
- 传统的基于像素的成像方法在肝细胞癌 (HCC) 中难以处理复杂的数据.
- 图形过学习 (GFL) 将成像数据表示为图形,以揭示隐藏的拓特征.
- 持久同质是GFL中分析复杂结构的关键数学工具.
更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
07:47Non-Invasive PET/MR Imaging in an Orthotopic Mouse Model of Hepatocellular Carcinoma
Published on: August 31, 2022
2.2K
