Gleason Grading System
PulseAugur coverage of Gleason Grading System — every cluster mentioning Gleason Grading System across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI系统识别Gleason形态学,以改进前列腺活检分级
研究人员开发了一种新颖的前列腺活检分级系统,该系统使用源自病理学基础模型的稀疏代码。该系统识别并命名特定的Gleason形态学,如筛状腺和坏死性坏死,这对于准确分级至关重要。该系统生成的形态学图谱在不同数据集和扫描仪上均表现出稳定性,在检测外部活检的关键特征方面被证明是有效的,并且在预测Gleason模式和分级组方面与病理学家高度一致。
-
新的 BRIDGE 数据集通过配对活检图像推动计算病理学发展
研究人员推出了 BRIDGE 数据集,这是一个包含前列腺核心针活检的配对明场全切片图像的集合。该数据集包含来自 169 名患者的 869 张载玻片上的 2607 张图像,旨在推动计算病理学发展,特别是在无标记虚拟染色技术方面。图像附带 Gleason 分数,可用于癌症分类和分级的下游分析,并将通过 BioImage Archive 提供。
-
新的MIL框架从切片级标签估计前列腺癌格里森评分
研究人员开发了一种新颖的多实例学习(MIL)框架,用于估计前列腺癌组织病理学中的实例级格里森评分模式。该方法利用了临床实践中常见的切片级初级和次级格里森评分标签,但这些标签缺乏详细的实例级注释。该框架有效地模拟了模式的主导性,并聚合实例预测以符合格里森评分的临床定义。实验表明,该方法在SICAP-MIL数据集上的表现优于现有的MIL方法。
-
新AI框架可校正前列腺MRI扫描中的扭曲
研究人员开发了一种新颖的弱监督图像质量迁移(IQT)框架,用于校正单次采集平面回波前列腺弥散加权成像(DWI)中的几何扭曲。该方法利用图像质量评估(IQA)信号来指导迁移过程,通过图像级质量标签建立潜在质量原型,而无需昂贵的、体素级别的配对数据。通过合成模仿临床退化的逼真扭曲,该框架使第二个IQT模型能够进行有效的扭曲校正训练,在PI-RADS和Gleason评分分类等下游诊断任务中优于现有的非配对方法。