cholangiocarcinoma
PulseAugur coverage of cholangiocarcinoma — every cluster mentioning cholangiocarcinoma across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
SCINTILLA-SNN：新型脉冲网络高效预测癌症浸润
研究人员开发了SCINTILLA-SNN，这是一种新颖的3D脉冲神经网络，用于利用磁共振成像（MRI）预测胆管癌（CCA）的神经周围浸润（PNI）。该网络采用分层骨干和多尺度脉冲聚合（MSSA）模块，以选择性地识别细微的PNI相关证据，而这些证据通常会被标准的CNN和Transformer架构所稀释。对182名患者队列进行的实验表明，SCINTILLA-SNN的AUROC达到了0.748，并且与传统的密集计算方法相比，推理能耗显著降低…
-
TikTok创作者Sydney Towle因癌症病逝，年仅26岁
26岁的社交媒体内容创作者Sydney Towle因与胆管癌（一种罕见的胆管癌）进行了近三年的抗争后去世。她在TikTok上记录了自己与疾病斗争的历程，吸引了超过一百万粉丝，在分享治疗和日常生活经历的同时，始终保持乐观。Towle坦诚的线上形象成为了许多面临自身困境者的希望和灵感来源，她还积极为胆管癌研究筹款。
-
新 AI 模型改进 3D MRI 癌症浸润预测 · 跟踪 3 个来源
研究人员开发了三种新颖的深度学习架构，用于从 3D MRI 扫描中预测神经周浸润 (PNI)，这是胆管癌预后的关键因素。SpikeDS 是一种脉冲神经网络，利用双稀疏性来提高效率和诊断性能。LoSA-Net 利用局部和尺度自适应注意力机制来保留精细细节并提高边界敏感性。第三种方法采用了解剖学优先蒸馏框架，仅在训练期间使用掩码来指导学生模型从 T2 加权 MRI 中预测 PNI。
-
新型Transformer模型提升MRI癌症预测能力
研究人员开发了MMA-Former，一种用于从MRI扫描中预测胆管癌周围神经侵袭（PNI）的新型3D架构。该模型采用粗细Transformer结构进行多尺度特征提取，并引入了窗口特定混合头注意力机制。该机制通过将3D窗口路由到专门的注意力头来实现自适应特征提取，增强了专业化并减少了冗余。在对168例MRI扫描的评估中，MMA-Former的AUC达到了0.752，优于现有的CNN和Transformer基线模型。
-
新的扩散 Transformer 方法改进了来自 MRI 的 PNI 预测
研究人员开发了一种使用基于扩散的分类和 Transformer 架构来预测胆管癌周围神经侵袭（PNI）的新方法。该方法旨在通过更好地捕捉细微的影像学特征来提高磁共振成像（MRI）术前预测的准确性。为了提高计算效率，该方法在注意力头、空间标记和 MLP 宽度之间采用了自适应路由，在 257.57 GFLOPs 的计算量下达到了 0.731 的 AUC。