Nat Commun | 俞章盛/张岳团队开发基于组织病理学图像的癌症诊断和生存预测AI基础模型

正文

请到「今天看啥」查看全文

经典的补丁级癌症诊断 、 全 切 片图像 （ WSI ） 水平的 分类（重点是肾细胞癌（ RCC ）亚型、非小细胞肺癌（ NSCLC ）亚型和非特异性浸润性乳腺癌（ BRCA ）亚型分类）以及 BRCA 、 CRC 、 CCRCC 、 PRCC 、 LUAD 和 STAD 的生存预测任务 。（图 1 ）

图 1. BEPH 架构概述。

在补丁级分类任务中， 在患者水平和图像水平上， BEPH 的平均准确率分别为 94.05 ± 1.3875 和 93.65 ± 0.6730 ，比最新报道的卷积神经网络模型（ Deep 、 SW31 、 GLPB 、 RPDB ）和弱监督模型（ MIL-NP 、 MILCNN ）高 5-10% ；比自监督模型（ MPCS-RP ）的最佳性能高出 1.9% 和 1.5% 。与其他算法相比， BEPH 在图像级和患者级的特定放大水平下始终表现出更高的性能。

此外，在不同癌症中的泛化应用分析显示 ， BEPH 在三种肺癌亚型中实现了 99.99% ± 0.03 的平均准确率 （图 2e ），高于其他任何已报道的模型，表明 BEPH

请到「今天看啥」查看全文