gastric adenocarcinoma
PulseAugur coverage of gastric adenocarcinoma — every cluster mentioning gastric adenocarcinoma across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法利用多模态知识蒸馏改进胃癌分类
研究人员开发了一种新的多模态知识蒸馏框架，用于改进全切片图像的胃腺癌分类。该方法使用低秩多模态融合高效地结合图像和文本数据，避免了计算成本高昂的Transformer架构和大语言模型的需要。该框架在一个融合的图像-文本表示上训练一个教师模型，然后将该知识蒸馏到一个仅用于图像推理的学生模型中。在PatchGastric数据集上的评估表明，与现有的最先进方法相比，准确率显著提高了至少3.35%。
-
AI框架可根据标准病理切片预测癌症免疫治疗反应
研究人员开发了一种新颖的跨模态对比多实例学习（CCMIL）框架，旨在预测胃腺癌患者的免疫治疗反应。该框架直接从标准的苏木精-伊红（H&E）染色组织病理切片中推断分子特征，无需昂贵的RNA测序。通过对齐视觉形态模式和分子表型，CCMIL创建了一个可解释的检索引擎，可以找出转录组相似的病例并近似RNA特征，为病理学家提供了一种实用的分子预筛查策略。
-
新AI方法从组织切片近似RNA特征
研究人员开发了VITA（VIrtual Transcriptomic Approximation，虚拟转录组近似）方法，这是一种新颖的深度学习方法，可以从标准的H&E染色组织切片中近似RNA特征。该方法旨在为预测胃腺癌的免疫治疗反应提供一种比昂贵的基因组测序更具成本效益的替代方案。VITA将H&E图像和RNA数据对齐到一个共享的潜在空间中，通过仅从H&E切片检索形态学上相似的历史病例来近似连续的RNA特征。