研究人员开发了一种名为距离感知多实例学习组织建模（DTMf-MIL）的新方法，用于预测原发肿瘤组织发生转移的风险。与先前将组织块视为无序集合的方法不同，该方法明确捕捉了肿瘤细胞、成纤维细胞和淋巴细胞之间的空间关系。通过计算相对于组织表型的符号距离函数，DTMf-MIL学习了转移风险的结构特征，其性能显著优于忽略空间布局的最先进方法。该模型的空间感知能力已在公共基准上得到验证，在各种临床任务中显示出诊断准确性的一致提高。 AI
影响 该模型有望提高计算病理学中的诊断准确性，从而可能带来更早、更有效的癌症治疗策略。
排序理由 该集群包含一篇详细介绍新AI模型和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
