Perineural invasion
PulseAugur coverage of Perineural invasion — every cluster mentioning Perineural invasion across labs, papers, and developer communities, ranked by signal.
- 2026-07-14 research_milestone Three new AI models were introduced for predicting perineural invasion from 3D MRI scans. 来源
1 天有情绪数据
-
新AI框架可根据MRI扫描预测癌症侵袭风险
研究人员开发了一种新颖的顺序感知切片多实例学习（OAS-MIL）框架，利用术前MRI扫描预测肝内胆管癌（ICC）的神经侵犯（PNI）风险。这种弱监督方法将MRI数据处理为有序的2.5D切片序列，无需详细的切片或体素级注释即可进行患者级别的PNI预测。在验证研究中，OAS-MIL的平均AUROC为0.770，优于现有的体积和MIL基线，表明轴向顺序是此类医学影像分析的有价值的归纳偏置。
-
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…
-
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。