研究人员开发了一种深度学习模型，能够从前列腺活检的标准苏木精和伊红（H&E）图像生成免疫组织化学（IHC）染色模式。该方法使用条件生成对抗网络（cGAN），该网络在配对的H&E和PIN-4 IHC图像数据集上进行训练。生成的图像准确地捕捉了诊断相关的染色模式，解决了当前H&E形态学和IHC信号之间空间错位的问题。 AI
影响 能够直接将预测的IHC标记物与H&E形态学一起解释，提高前列腺癌活检的诊断准确性。
排序理由 该集群包含一篇详细介绍医学图像分析新深度学习方法的学术论文。[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 →