SiameseNet基于多个实例学习来准确识别ICC瘤的组织学等级
Zhizhan Fu1, Fazhi Feng2, Xingguang He2
1The Quzhou Affiliated Hospital of Wenzhou Medical University, Quzhou People's Hospital, Quzhou, China.
Frontiers in oncology
|February 25, 2025
概括
一个新的SiameseNet模型准确地预测了肝脏内胆管癌 (ICC) 的组织学级,克服了瘤异质性. 这种人工智能工具有望改善肝癌诊断和个性化治疗计划.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 肝脏内胆管癌 (ICC) 是肝细胞癌 (HCC) 之后第二常见的肝癌.
- 准确的组织学分类ICC对于有效的临床管理和治疗策略至关重要.
研究的目的:
- 开发和验证用于预测ICC组织学分的深度学习模型.
- 在ICC分类中解决瘤异质性所带来的挑战.
主要方法:
- 提出了一个双分支深度神经网络 (SiameseNet),利用多实例学习和交叉注意力机制.
- 该模型整合了多模式成像数据,以增强等级预测的特征表示.
- 该研究包括424名ICC患者,其中381人接受培训,43人接受测试.
主要成果:
- 在测试队列中,SiameseNet模型实现了高性能.
- 关键指标包括86.0%的准确度,86.2%的AUC,84.6%的灵敏度和86.7%的特异性.
- 该模型展示了针对ICC组织学等级的强大预测能力.
结论:
- 拟议的框架有效地处理瘤异质性,这是ICC的一个常见问题.
- 该模型的准确性和通用性表明它在协助组织病理学评估方面具有潜在的临床价值.
- 这种AI方法可能有助于为ICC患者制定个性化治疗计划.
更多相关视频
06:05Author Spotlight: Multiplex Immunofluorescence Combined with Spatial Image Analysis for the Clinical and Biological Assessment of the Tumor Microenvironment
Published on: June 2, 2023
7.1K
06:32Author Spotlight: Unlocking Insights into the Immune Cell Landscape of Tumors
Published on: August 18, 2023
1.8K
