PulseAugur
中
实时 21:10:14
实体 The Cancer Genome Atlas

The Cancer Genome Atlas

PulseAugur coverage of The Cancer Genome Atlas — every cluster mentioning The Cancer Genome Atlas across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
12
90 天内 58
发布 · 30天
0
90 天内 0
论文 · 30天
12
90 天内 58
层级分布 · 90 天
主题
关系
情绪 · 30 天

7 天有情绪数据

最近 · 第 1/4 页 · 共 63 条
  1. TOOL · CL_368367 ·

    OpenTME 数据集发布,用于 AI 驱动的肿瘤微环境分析

    研究人员发布了 OpenTME,这是一个新发布的开放访问数据集,包含来自 5000 多张 H&E 染色组织病理学切片的 AI 生成的肿瘤微环境 (TME) 谱。该数据集源自 The Cancer Genome Atlas (TCGA),涵盖十种不同的癌症类型,每张切片提供超过 20,000 个定量读数。OpenTME 使用 HETA 应用程序和 Atlas 基础模型开发,旨在促进生物标志物发现和非商业学术研究中计算方法在 TME 分析方面的进步。

  2. TOOL · CL_352299 ·

    新的EvoSurv模型整合基因组进化以预测癌症生存率

    研究人员开发了EvoSurv,一个新颖的多模态生存框架,它整合了来自基因组改变的进化信息与临床和RNA表达数据,以预测癌症生存率。该框架使用一种称为eTime的8维进化表示,在六个TCGA癌症队列中表现出优越的性能,其平均一致性指数高于现有方法。研究还发现,进化特征,特别是在头颈部鳞状细胞癌中的T>G取代,提供了超越传统临床和分子预测因子的重要预后价值。

  3. TOOL · CL_348677 ·

    新的MSR-ABC框架通过集成特征改进ccRCC分类

    研究人员开发了MSR-ABC,一种用于从CT扫描中分类透明细胞肾细胞癌(ccRCC)的新型框架。该方法通过利用交叉表示注意力和辅助监督的全局-局部架构,集成了MedVAE、MedSigLIP和放射组学特征。在内部和外部数据集上的评估证明了MSR-ABC的有效性,分别实现了0.806和0.879的平均AUROC,并且优于简单的特征连接方法。

  4. TOOL · CL_342414 ·

    新框架增强病理图像合成与分割

    研究人员开发了一种新颖的三阶段框架,以改进病理图像合成和分割,解决了数据可用性和标注成本的限制。该系统首先使用一个代理来筛选和过滤病理图像,创建了TCGA-200K数据集。然后,在该筛选数据上训练一个生成模型,学习可迁移到下游任务的表示。最后,将此预训练模型改编为语义分割,在多个数据集上取得了最先进的性能,并公开了其代码。

  5. TOOL · CL_336530 ·

    新框架整合几何、拓扑和临床数据用于癌症生存期预测

    研究人员开发了TopoHyperClinicalGraph,一个旨在提高癌症生存期预测能力的新型多模态框架。该框架整合了双曲组织几何、持久性拓扑和临床图学习。在多个队列上的评估表明,TopoHyperClinicalGraph通过有效整合几何和拓扑特征,在COADREAD和HNSC等特定癌症类型中,其表现优于仅使用病理数据的模型。

  6. TOOL · CL_336357 ·

    AI模型辅助病理学家从H&E切片中检测HER2状态

    研究人员开发了一种新颖的AI模型,旨在协助病理学家从常规H&E染色切片中确定HER2蛋白状态。该模型采用了一个通过自监督和精炼技术训练的22M参数ViT-S/16编码器,在外部验证数据集上取得了优异的性能,优于更大的编码器。已部署的读取器可在5-6秒内处理一个切片,并作为预读工具,帮助优先处理需要进一步检测的病例,特别是对于模棱两可的2+病例。

  7. TOOL · CL_327163 ·

    Boruta基因选择方法的性能受树深度的影响

    一篇新研究论文探讨了Boruta基因选择方法中树深度设置对RNA-Seq数据分类的影响。研究发现,限制树深度(一种常见做法)会显著改变基因选择,并降低所得基因面板的准确性。研究人员建议使用无上限的树或基于实际深度的上限,并结合类内质量过滤器,以提高Boruta的性能。

  8. TOOL · CL_321981 ·

    新基准评估用于癌症生存分析的无数据模型合并

    研究人员开发了一个基准来评估在全切片图像(WSIs)上进行生存分析的无数据持续模型合并技术。该方法旨在整合新癌症队列的知识,而无需保留旧数据,从而解决遗忘先前学习信息的问题。该基准系统地评估了在多种癌症类型和任务顺序下的六种合并策略,使用了C指数、IPCW C指数、遗忘和反向迁移等指标。研究结果表明,没有一种单一的合并策略能持续优于其他策略,并且评估方法对性能排名有显著影响。

  9. TOOL · CL_313051 ·

    新的HGASurv方法通过多模态集成改进生存预测

    研究人员开发了HGASurv,一种用于生存预测的新方法,它整合了组织病理学全切片图像(WSIs)、基因组学谱和临床变量。该方法通过更好地考虑跨模态的粒度差异,解决了现有方法的局限性。HGASurv采用层次化WSI编码模块来保留空间信息,并采用临床引导图传播模块,该模块使用临床变量来定义患者相似性,从而改进了临床数据的集成。

  10. RESEARCH · CL_313150 ·

    Ornith-ai 发布 Ornith-1.5-122B 模型;引入新统计方法 BARRR

    Ornith-ai 发布了 Ornith-1.5-122B,这是一个通过端到端自我改进开发的大型语言模型,建立在 Qwen3.5 和 Gemma4 等先前模型的基础上。该模型现已在 Hugging Face 上提供,并可与 Transformers、vLLM 和 SGLang 等各种库和推理提供商集成。另外,一篇研究论文介绍了一种名为 BARRR 的新统计方法,用于整合多视图、多队列的生物医学数据,并在 The Cancer Geno…

  11. TOOL · CL_287212 ·

    新的MFE-MIL框架增强了病理学中的全切片图像分析

    研究人员开发了一个名为掩码特征编码多实例学习(MFE-MIL)的新框架,以改进计算病理学中全切片图像的分析。该方法使用特征空间掩码方法,结合轻量级MLP适配器、掩码重建分支和MIL分类头。MFE-MIL旨在减少由染色和扫描仪差异等因素引起的切片内方差,增强切片级预测的区分信号。该框架在多个数据集上显示出更高的准确率和F1分数,在许多情况下优于现有的空间方法,并实现了比2DMamba更高的AUC。

  12. TOOL · CL_284814 ·

    新框架整合病理图像和转录组学数据用于癌症生存预测

    研究人员开发了一个名为 AM$^2$ES 的新框架,通过整合组织病理学全切片图像(WSIs)和转录组学数据来预测癌症生存率。该框架通过显式对齐多模态特征并自适应地优先考虑相关的组织尺度,解决了现有方法的局限性。AM$^2$ES 利用 Anchor-driven Multi-modal Fusion 模块进行语义对齐,并利用 Hierarchical Mixture-of-Experts 模块进行判别性区域识别和信息分辨率级别选择。在 …

  13. RESEARCH · CL_273576 ·

    组织病理学AI模型的准确性取决于组织检测方法

    一篇新的研究论文探讨了组织病理学伪影检测流程中的初始组织检测步骤如何显著影响基于扩散的模型(diffusion-based models)的准确性。通过在The Cancer Genome Atlas (TCGA) 载玻片上测试不同的组织检测方法,研究人员发现,用一种基于熵(entropy-based)的方法替换标准的Otsu检测方法,可以将假阳性从0.102大幅降低到0.016,而不会影响敏感性。这种改进归因于训练池的构成,特别是排…

  14. TOOL · CL_231685 ·

    新框架 FTU-Seek 使用基础模型改进组织单元分割

    研究人员开发了 FTU-Seek,一个旨在改进全切片图像中稀疏功能组织单元 (FTU) 分割的新框架。该方法利用 UNI 病理学基础模型的特征来训练一个识别包含 FTU 的组织(如淋巴结构、血管和腺体)的分类器。然后,系统选择具有挑战性的“硬负例”样本来创建高效的训练数据集,在分割任务中表现优于其他采样策略。

  15. TOOL · CL_223332 ·

    新的MODIS框架整合多组学数据以用于罕见病研究

    研究人员开发了MODIS,一个新颖的半监督框架,旨在整合多组学数据,特别适用于罕见病研究中常见的小型和非配对数据集。该框架通过同时在大型参考数据库和小型目标数据集上进行训练,解决了数据稀缺和类别不平衡等挑战。MODIS结合了变分自编码器、类别分类器和对抗训练的模态分类器,利用正则化相对GAN损失来提高稳定性。在合成数据和TCGA数据库上的验证表明,MODIS具有高预测精度、在有限监督下的鲁棒性以及在类别不平衡情况下的稳定性。

  16. TOOL · CL_221333 ·

    新的PANDA框架通过不完整数据增强多模态医学预测

    研究人员开发了PANDA,一个新颖的两阶段框架,旨在通过有效利用并非所有受试者都可用的辅助数据来增强多模态医学预测模型。该框架从配对数据中学习共享嵌入,并从辅助模态估计类别原型。然后,它在所有受试者上训练主要模型,将它们与这些固定的原型对齐,即使在推理时辅助数据完全缺失,也能实现有效的信息转移。PANDA已在利用MRI和表格数据进行阿尔茨海默病分类以及从病理切片进行肺癌生存期预测方面取得了改进。

  17. TOOL · CL_217827 ·

    新模型从高维、小样本数据中提取信号

    研究人员开发了一种从高维、小样本数据中提取信号的新方法,该方法将变量视为代表潜在多元动力学的样本坐标空间中的点。这种方法转置数据,并使用奇异值分解(SVD)和田口(Taguchi)特征选择,通过外推到零样本极限来识别持久分量作为内在信号。该方法已成功应用于由随机耦合强度全局耦合映射生成的合成数据,并随后应用于癌症基因组图谱(TCGA)泛肾脏基因表达数据,从中提取了高维基因表达数据中的相关信号分量。

  18. TOOL · CL_216127 ·

    新的PerturbRx框架增强癌症药物反应预测

    研究人员开发了PerturbRx,一个旨在改进患者层面癌症治疗-反应预测的新型框架。该方法学习药物治疗引起的潜在分子转移,即使没有治疗后的测量数据。通过将这些学习到的转移与患者和药物表示相结合,PerturbRx在癌症基因组图谱和患者来源的异种移植物基准测试中表现出卓越的预测性能。

  19. RESEARCH · CL_206589 ·

    新的AI方法增强了全切片图像病理报告的分析

    研究人员开发了分析病理学中全切片图像(WSIs)的新方法。一种方法将WSI报告生成分解为不同的阶段,使用图约束多实例学习(MIL)来汇总诊断问题,并使用语言模型形成连贯的报告。该方法在外部数据集上显著提高了报告生成分数和器官识别准确性。另一种方法,测试时实例选择(TTIS),提供了一个无需训练的框架,在推理过程中从WSI中选择信息量最大的图像块,从而减少冗余并提高分析鲁棒性,而无需重新训练现有的MIL模型。

  20. TOOL · CL_206013 ·

    大语言模型通过新的比较学习框架推进癌症生存预测

    研究人员开发了CACSurv,一个利用大语言模型(LLMs)通过患者报告进行癌症生存预测的新颖框架。该方法解决了两个关键挑战:一个公式不匹配问题,其中生存预测需要对患者进行排序而不是独立的回归时间;以及一个监督不匹配问题,其中审查过的患者数据暗示了排序但并非确切的生存时间。CACSurv将问题重新表述为比较推理,预测相对预后排序,并使用一致性对齐的奖励进行监督。该框架在TCGA-SurvReport基准测试上实现了0.722的C指数,…