研究人员开发了一种新颖的基于分布的深度多实例学习（MIL）框架，以提高非小细胞肺癌（NSCLC）中肿瘤比例评分（TPS）的准确性。该方法通过使用两个模型来解决手动标注和专家可用性方面的挑战：一个模型用于从单个图像块中提取组织病理学特征，另一个模型用于聚合这些特征以预测整个切片的TPS概率分布。所提出的方法利用零膨胀Beta（ZIBeta）模型，其性能显著优于传统的回归技术，并提高了预测准确性和可解释性。 AI
影响 这种新的深度学习方法可以提高癌症诊断和治疗计划的精确性和效率。
排序理由 详细介绍一种新机器学习方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- linear regression
- Multiple instance learning
- non-small-cell lung carcinoma
- ridge regression
- tumor proportion score
- Zero-Inflated Beta Regression for Differential Abundance Analysis with Metagenomics Data
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
