图深度学习可用于检测复杂肿瘤微环境中的病理特征。我们已经展示了使用图形深度学习来预测肿瘤患者的预后,并使用它为病理学家识别附加的上下文预后生物标志物。
这是订阅内容的预览,通过你的机构获取
访问选项
订阅自然+
立即在线访问《自然》和其他55种《自然》杂志
29.99美元
每月
订阅杂志
获得1年的完整期刊访问权限
119.00美元
每期仅需9.92美元
所有价格均为净价格。
增值税将在稍后的结帐中添加。
税金计算将在结账时完成。
买条
在ReadCube上获得时间限制或全文访问权限。
32.00美元
所有价格均为净价格。
参考文献
Ahmedt-Aristizabal, D., Armin, m.a, Denman, S., Fookes, C. & Petersson, L.基于图形的深度学习用于计算组织病理学的研究。第一版。医疗成像图。95102027(2022)。一篇介绍gnn用于计算病理学的最新趋势的综述文章。
陈荣杰等。整个幻灯片图像是2D点云:使用基于补丁的图卷积网络进行上下文感知的生存预测。在医学图像计算与计算机辅助干预(MICCAI)339 - 349(施普林格,2021)。本文报道了用于WSIs的gnn。
杨红梅,李磊,张磊,唐晶,陈铮。面向异构图嵌入的位置感知图神经网络。在Int。神经网络联合会议(IJCNN)1 - 8 (IEEE 2021)。本文报道了一种位置感知GNN。
孙达良。深度网络的公理归因。Proc,第34 Int。机器学习会议(PMLR)70, 3319 - 3328(2017)。本文报道了IG方法。
Hakimi, a.a.等人。透明细胞肾细胞癌的完整代谢图谱。癌症细胞29, 104 - 116(2016)。本文报道透明细胞肾细胞癌的代谢特点。
额外的信息
出版商的注意施普林格自然对出版的地图和机构附属的管辖权要求保持中立。
以下是对以下内容的总结:李,Y.等人。通过图形深度学习从肿瘤的整张幻灯片图像中推导出预后相关的组织病理学特征。Nat,生物医学。英格.https://doi.org/10.1038/s41551-022-00923-0(2022)。
权利和权限
关于这篇文章
引用这篇文章
图深度学习从整个幻灯片图像中检测上下文预后生物标志物。Nat,生物医学。英格(2022)。https://doi.org/10.1038/s41551-022-00927-w
发表:
DOI:https://doi.org/10.1038/s41551-022-00927-w