检索结果-维普期刊中文期刊服务平台

基于深度学习模型辅助穿刺病理图像预测乳腺癌新辅助治疗疗效的研究: 1; 作者罗云昭蒋宏传徐峰《中国全科医学》北大核心 2025年第19期2407-2413,共7页; 背景术前新辅助治疗(NAT)是治疗局部晚期乳腺癌的标准化手段,但只有部分患者对NAT敏感,在NAT前对患者进行疗效预测至关重要。既往研究利用统计学方法结合临床数据或深度学习方法结合影像学图像预测乳腺癌NAT疗效,效果欠佳。目的利用多... 展开更多; 关键词乳腺肿瘤乳腺癌新辅助治疗穿刺病理全切片图像深度学习模型多示例学习算法精准治疗; 在线阅读下载PDF 职称材料

面向WSI的乳腺病理亚型分类研究被引量：2: 2; 作者陈金令李洁 +1 位作者赵成明刘鑫《计算机应用研究》 CSCD 北大核心 2022年第10期3167-3173,共7页; 为实现乳腺病理WSI图像的精准分类,提出了一种基于混合连接的门控卷积神经网络分类方法。搭建了局部残差连接和全局稠密连接的混合模块,将压缩激活门控单元嵌入混合模块,建立了混合模块与过渡层交替连接的骨干网络。结合基于四叉树分割... 展开更多; 关键词全切片图像乳腺病理亚型分类计算机辅助诊断门控卷积网络混合连接; 在线阅读下载PDF 职称材料

基于深度学习的人工智能在数字病理学中的进展被引量：9: 3; 作者杨鑫(综述) 章真(审校) 《中国癌症杂志》 CAS CSCD 北大核心 2021年第2期151-155,共5页; 全切片数字化图像扫描技术的进步促成了数字病理学的诞生。随着存储技术的提高和互联网技术与计算机技术的迅速发展,深度学习的方法被广泛应用于病理学图像的分析中,其目标是化解病理学图像冗余复杂的信息导致病理学医师诊断和分析困难... 展开更多; 关键词深度学习人工智能数字病理学全切片数字化图像扫描技术; 在线阅读下载PDF 职称材料

基于多字典学习框架的肾透明细胞癌预后分析模型被引量：2: 4; 作者涂超宁振源张煜《中国生物医学工程学报》 CAS CSCD 北大核心 2021年第4期385-393,共9页; 肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑... 展开更多; 关键词肾透明细胞癌病理全切片图像(wsis) 预后分析多字典学习; 在线阅读下载PDF 职称材料

题名基于深度学习模型辅助穿刺病理图像预测乳腺癌新辅助治疗疗效的研究: 1; 作者罗云昭蒋宏传徐峰; 机构首都医科大学附属北京朝阳医院乳腺外科; 出处《中国全科医学》北大核心 2025年第19期2407-2413,共7页; 基金北京市医管局青苗项目(QMS20210305)。; 文摘背景术前新辅助治疗(NAT)是治疗局部晚期乳腺癌的标准化手段,但只有部分患者对NAT敏感,在NAT前对患者进行疗效预测至关重要。既往研究利用统计学方法结合临床数据或深度学习方法结合影像学图像预测乳腺癌NAT疗效,效果欠佳。目的利用多示例学习(MIL)方法训练基于乳腺癌粗针穿刺全切片图像(WSI)的深度学习(DL-CNB)模型,实现对病理性完全缓解(pCR)的预测和相关肿瘤区域的可视化。方法采用回顾性研究模式,收集北京朝阳医院2019年4月—2022年4月收治的经NAT的乳腺癌患者的临床资料和NAT前穿刺苏木精-伊红(HE)染色切片。依据纳排标准共筛选出195例患者。根据Miller-Payne(MP)分级将患者分为pCR组(MP=5级,n=40)和non-pCR组(MP=1~4级,n=155)。首先对临床资料进行分析,构建pCR影响因素的Logistic回归模型。将所有WSI图像按照4∶1的比例随机划分为训练集和测试集,并从训练集中取出25%的数据作为验证集。标记每张WSI中全部肿瘤细胞区域,通过滑动窗口取块、数据筛选、数据增强、归一化处理等步骤准备训练集。对比5种卷积神经网络模型,选择最优模型作为DL-CNB的特征提取器。设置参数训练DL-CNB模型。利用独立测试集测试模型,评价DL-CNB的预测价值。根据由注意力模块获得的权重绘制热力图,实现WSI中与预测相关重要区域的可视化。结果pCR组组织学分级高、ER阴性、PR阴性、HER2阳性、Ki-67高表达的患者占比高于non-pCR组(P<0.05)。与HR+/HER2-相比,HR-/HER2+(OR=10.189,95%CI=3.225~32.187)和HR+/HER2+(OR=3.349,95%CI=1.152~9.737)可测预患者达到pCR状况(P<0.05)。Logistic回归模型的受试者工作特征曲线下面积(AUC)为0.769,准确率为81.000%。DL-CNB模型独立测试集AUC为0.914,准确率为84.211%。随机选取独立测试集中某张标签为non-pCR和某张标签为pCR的WSI肿瘤区域进行可视化展示。结论DL-CNB模型实现了通过乳腺癌穿刺WSI对新辅助治疗pCR的预测和重要区域的可视化,其预测结果优于临床数据预测模型。由此,本研究能够为符合NAT适应证的乳腺癌患者提供临床决策参考,辅助实现个体化精准治疗,对改善患者生活质量及生存预期具有重大意义。; 关键词乳腺肿瘤乳腺癌新辅助治疗穿刺病理全切片图像深度学习模型多示例学习算法精准治疗; Keywords Breast cancer Neoadjuvant therapy for breast cancer Biopsy pathological wsi Deep learning model Multiple instance learning algorithm Precision therapy; 分类号 R737.9 [医药卫生—肿瘤]; 在线阅读下载PDF 职称材料

题名面向WSI的乳腺病理亚型分类研究被引量：2: 2; 作者陈金令李洁赵成明刘鑫; 机构西南石油大学电气信息学院; 出处《计算机应用研究》 CSCD 北大核心 2022年第10期3167-3173,共7页; 基金成都市科技厅创新创业资助项目(2018YF0500893GX)。; 文摘为实现乳腺病理WSI图像的精准分类,提出了一种基于混合连接的门控卷积神经网络分类方法。搭建了局部残差连接和全局稠密连接的混合模块,将压缩激活门控单元嵌入混合模块,建立了混合模块与过渡层交替连接的骨干网络。结合基于四叉树分割的图像数据增强方法训练模型,基于BreastSet临床数据集的实验结果得出,该方法的图像级、患者级和病理级准确率分别达到92.24%、92.83%和92.18%,相较其他方法,其准确率提高,参数量和计算量降低,更具有临床应用价值。; 关键词全切片图像乳腺病理亚型分类计算机辅助诊断门控卷积网络混合连接; Keywords wsi breast pathological subtype classification computer auxiliary diagnosis gated convolutional network hybrid connection; 分类号 TP391.5 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于深度学习的人工智能在数字病理学中的进展被引量：9: 3; 作者杨鑫(综述) 章真(审校); 机构复旦大学附属肿瘤医院放射治疗中心; 出处《中国癌症杂志》 CAS CSCD 北大核心 2021年第2期151-155,共5页; 文摘全切片数字化图像扫描技术的进步促成了数字病理学的诞生。随着存储技术的提高和互联网技术与计算机技术的迅速发展,深度学习的方法被广泛应用于病理学图像的分析中,其目标是化解病理学图像冗余复杂的信息导致病理学医师诊断和分析困难的问题,减轻病理学医师日常繁琐的分析工作,并提高分析结果的准确度。回顾分析常用于病理学分析的深度学习方法,介绍深度学习在病理学分析中各领域的应用,并讨论深度学习在病理学分析中的挑战和机遇。; 关键词深度学习人工智能数字病理学全切片数字化图像扫描技术; Keywords Deep learning Artificial intelligence Digital pathology Whole-slide imaging; 分类号 R36 [医药卫生—病理学]; 在线阅读下载PDF 职称材料

题名基于多字典学习框架的肾透明细胞癌预后分析模型被引量：2: 4; 作者涂超宁振源张煜; 机构南方医科大学生物医学工程学院南方医科大学广东省医学图像处理重点实验室; 出处《中国生物医学工程学报》 CAS CSCD 北大核心 2021年第4期385-393,共9页; 基金国家自然科学基金(61971213,61671230) 广东省基础与应用基础研究基金(2019A1515010417)。; 文摘肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑战性。提出针对肾透明细胞癌病理全切片图像的多字典学习框架,自适应获取病理全切片图像的有效信息,进行肾透明细胞癌预后分析。该框架主要包括基于图像块水平的多字典学习和基于患者水平的生存模型构建两个阶段。利用癌症基因组图谱数据库的肾透明细胞癌数据集(TCGA-KIRC)中378例苏木素-伊红染色的全切片图像上进行评估,实验结果(C-index=0.681,AUC=0.751,P<0.05)优于现流行的各种生存模型,其中较传统的Boosted模型和随机生存森林模型,C-index指标分别提高0.138和0.155,AUC指标分别提高0.149和0.191;较Deep Surv和WSISA两个深度学习模型,C-index指标分别提高0.046和0.035,AUC指标分别提高0.096和0.090。所提出的方法可以更准确地对肾透明细胞癌进行预后分析。; 关键词肾透明细胞癌病理全切片图像(wsis) 预后分析多字典学习; Keywords clear cell renal cell carcinoma whole slide images(wsis) prognostic analysis multidictionary learning; 分类号 R318 [医药卫生—生物医学工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度学习模型辅助穿刺病理图像预测乳腺癌新辅助治疗疗效的研究	罗云昭蒋宏传徐峰	《中国全科医学》北大核心	2025	0	在线阅读下载PDF 职称材料
2	面向WSI的乳腺病理亚型分类研究	陈金令李洁赵成明刘鑫	《计算机应用研究》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
3	基于深度学习的人工智能在数字病理学中的进展	杨鑫(综述) 章真(审校)	《中国癌症杂志》 CAS CSCD 北大核心	2021	9	在线阅读下载PDF 职称材料
4	基于多字典学习框架的肾透明细胞癌预后分析模型	涂超宁振源张煜	《中国生物医学工程学报》 CAS CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料