实体
TCGA-BRCA
TCGA-BRCA
PulseAugur coverage of TCGA-BRCA — every cluster mentioning TCGA-BRCA across labs, papers, and developer communities, ranked by signal.
总计 · 30天
4
90 天内 4
发布 · 30天
0
90 天内 0
论文 · 30天
4
90 天内 4
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 4 条
-
新的PPLS框架提供校准不确定性和改进的准确性
研究人员开发了一个新的概率偏最小二乘（PPLS）框架，解决了现有拟合流程中的实际限制。该框架结合了噪声预估、约束似然优化和预测校准，提供了一个端到端的解决方案。该方法利用精确的Stiefel流形优化和噪声子空间估计，在包括多组学数据集在内的各种基准测试中实现了更高的准确性和校准不确定性。
-
研究发现特征维度比模型复杂度对乳腺癌分类更关键
一项发表在arXiv上的新研究，利用TCGA-BRCA的基因表达数据评估了用于分类乳腺癌亚型的机器学习模型。研究发现，特征维度对分类性能有显著影响，其重要性常常超过模型复杂度。逻辑回归在包括罕见类别在内的所有亚型中表现出最均衡的性能，而随机森林和SVM对特征选择和维度敏感度各不相同。
-
SCOUT transformer 从全切片图像生成概念导向的病理报告
研究人员开发了SCOUT，一个新颖的多模态Transformer框架，旨在从全切片图像生成概念导向的病理报告。该方法整合了局部组织学模式、全切片上下文和专家精心策划的语义描述符，以确保临床准确性和连贯性。在报告生成方面，SCOUT在多个数据集上的BLEU和METEOR指标上均优于WSI-Caption和HistGen等现有方法。
-
深度学习从病理图像预测乳腺癌亚型
研究人员开发了一个新的深度学习框架，使用组织病理学图像对乳腺癌亚型进行分类，有可能减少对昂贵分子检测的需求。该方法采用多目标斑块选择策略，结合遗传算法和不确定性估计，以识别用于分类的信息性图像斑块。该方法在内部和外部数据集上均取得了较高的F1分数和AUC值，证明了其通过提供计算效率高、基于成像的替代方案来支持临床决策的潜力。