人工智能在癌症精准医学组织病理学图像分析中的应用

近年来，计算病理学领域取得了快速进展，这是指计算方法在病理工作流程中的应用。传统病理学涉及通过检查组织、器官和体液来研究疾病。在计算病理学中，使用计算机算法分析数字病理图像以提取有意义的信息。

为此，机器学习、图像分析和数据挖掘技术被用来协助病理学家完成疾病诊断和预后等任务。数字病理学的采用工作流程、这些图像的大数据集的发布以及计算基础设施的改进都促进了最近的技术进步。

计算病理学中的方法可以大致分为两个目标。首先，常规工作流程的自动化，否则将由病理学家执行，其次是增加新功能。

菲利普·韦茨博士在他的论文中医学流行病学和生物统计学系的学生，专注于新能力，即新方法的开发、应用和评估，特别是从病理图像预测基因表达以及病理图像之间的配准。这有可能提高精确诊断的质量和获取精确诊断的机会。

您的论文中最重要的结果是什么?

我的论文包括五项研究。其中两项重点关注从组织病理学图像预测基因表达的方法的开发和评估。在这些研究中，我们发现共表达簇中基因表达的预测显着降低了计算成本，同时可能提高预测性能。此外，我们发现基于注意力的多实例学习似乎并没有提高基因表达预测性能，同时可能更容易受到过度拟合的影响。

标签：