導(dǎo)讀 近年來，計算病理學領(lǐng)域取得了快速進展，這是指計算方法在病理工作流程中的應(yīng)用。傳統(tǒng)病理學涉及通過檢查組織、器官和體液來研究疾病。在計...
近年來，計算病理學領(lǐng)域取得了快速進展，這是指計算方法在病理工作流程中的應(yīng)用。傳統(tǒng)病理學涉及通過檢查組織、器官和體液來研究疾病。在計算病理學中，使用計算機算法分析數(shù)字病理圖像以提取有意義的信息。
為此，機器學習、圖像分析和數(shù)據(jù)挖掘技術(shù)被用來協(xié)助病理學家完成疾病診斷和預(yù)后等任務(wù)。數(shù)字病理學的采用工作流程、這些圖像的大數(shù)據(jù)集的發(fā)布以及計算基礎(chǔ)設(shè)施的改進都促進了最近的技術(shù)進步。
計算病理學中的方法可以大致分為兩個目標。首先，常規(guī)工作流程的自動化，否則將由病理學家執(zhí)行，其次是增加新功能。
菲利普·韋茨博士在他的論文中醫(yī)學流行病學和生物統(tǒng)計學系的學生，專注于新能力，即新方法的開發(fā)、應(yīng)用和評估，特別是從病理圖像預(yù)測基因表達以及病理圖像之間的配準。這有可能提高精確診斷的質(zhì)量和獲取精確診斷的機會。
您的論文中最重要的結(jié)果是什么?
我的論文包括五項研究。其中兩項重點關(guān)注從組織病理學圖像預(yù)測基因表達的方法的開發(fā)和評估。在這些研究中，我們發(fā)現(xiàn)共表達簇中基因表達的預(yù)測顯著降低了計算成本，同時可能提高預(yù)測性能。此外，我們發(fā)現(xiàn)基于注意力的多實例學習似乎并沒有提高基因表達預(yù)測性能，同時可能更容易受到過度擬合的影響。
標簽：
免責聲明：本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！