研究人员开发了一个名为Order-Aware Slab Multiple Instance Learning (OAS-MIL) 的弱监督框架,用于使用术前MRI预测肝内胆管癌 (ICC) 的神经侵袭 (PNI) 风险。该方法将MRI数据表示为2.5D切片的有序序列,无需切片或体素级注释即可进行患者级别的PNI预测。在五折交叉验证中,OAS-MIL达到了0.770的平均AUROC,优于现有的体积和MIL基线,表明轴向顺序对于此类预测是有价值的归纳偏置。 AI
影响 该框架可以改善癌症扩散的早期检测,可能带来更好的患者预后和治疗计划。
排序理由 该集群描述了一篇详细介绍用于医学影像分析的新型机器学习框架的新研究论文。
在 Hugging Face Daily Papers 阅读 →
- 2.5D slabs
- Auroc
- intrahepatic cholangiocarcinoma
- magnetic resonance imaging
- OAS-MIL
- Perineural invasion
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →