单细胞RNA洞察力和基于密度缩放视觉变压器的MRI分类,用于精确的大脑瘤
Pratikkumar Chauhan1, Munindra Lunagaria1, Deepak Kumar Verma1
1Department of Computer Engineering, Marwadi University, Rajkot, Gujarat 360003, India.
SLAS technology
|November 22, 2025
概括
这项研究引入了针对脑瘤的创新RNA干扰 (iRNAi) 疗法和用于精确瘤检测的密度缩放视觉变压器 (DSViT),实现了高诊断性能.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 医疗成像医学成像
背景情况:
- 超过1600个RNA结合蛋白 (RBPs) 在人类基因调节中至关重要,在质母细胞瘤和黑色素瘤等癌症中观察到失调.
- 通过复杂的RNA活动控制和翻译后修改,RBP在癌症中起着复杂的作用.
- 新兴的基于RBP的疗法,包括基因组分析和功能抑制,在癌症治疗方面表现有前途.
研究的目的:
- 报告从用实验性RNA干扰 (iRNAi) 治疗的大脑瘤患者的发现.
- 引入和评估用于脑瘤检测和定位的密度缩放视觉变压器 (DSViT) 模型.
- 探索iRNAi在治疗人类疾病,特别是脑瘤中的治疗潜力.
主要方法:
- 开发和评估密度缩放视觉变压器 (DSViT) 模型用于脑瘤分类.
- 使用FigShare脑瘤数据集 (3064张MRI图像) 进行培训和验证,并对614个样本进行最终测试.
- 在脑瘤患者中进行实验性RNA干扰 (iRNAi) 治疗.
主要成果:
- DSViT模型在脑瘤数据集上实现了高性能:96.09%的准确性,96.57%的精度,95.97%的回忆率和96.27%的F1分数.
- 在大脑瘤检测方面,DSViT显著优于ViT基线和切除变体.
- 这项研究展示了RNA干扰 (iRNAi) 作为人类疾病治疗干预的第一个已知的实例.
结论:
- 开发的DSViT模型显示了对精确脑瘤检测和定位的巨大潜力.
- RNA干扰 (iRNAi) 代表了针对脑瘤和潜在的其他人类疾病的新且有前途的治疗策略.
- 未来的工作重点是将DSViT集成到多式联通管道中,以提高精确的神经瘤学和临床决策支持系统.
关键词:
大脑瘤是什么?这就是为什么DSViTT.深度学习 (Deep Learning) 是一种深度学习.核磁共振成像 (MRI) 分类的分类RNA结合蛋白质是RNA结合的蛋白质.单细胞机是一种单细胞机.瘤局部化 瘤局部化视觉变压器 视觉变压器更多相关视频
06:08A Cognitive Fusion-guided Prostate Biopsy Using Multiparametric Magnetic Resonance Imaging and Transrectal Ultrasound
Published on: March 21, 2025
1.1K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.6K
