AACR: Az előzetesen ellátott gépi tanulási modellek segítenek a nem Melanoma bőrrák diagnosztizálásában

Kövesse a Drugslib-et

orvosilag felülvizsgálta Carmen Pope, Bpharm. Utoljára frissítve, 2025. április 29-én.

2025. április 29., kedd - A teljes csúszda beágyazásának kihasználása az előzetesen beillesztett alapmodellekből (FMS) javítja a nem Melanoma Bőrrák (NMSC) diagnózisát, az Amerikai Association of Rákkutatás éves ülésén bemutatott tanulmány szerint, a Chicago -i Diagnózistól és a Colleagues -tól kezdve. NMSC, kifejezetten erőforrás-korlátozott környezetben. Három patológiát (uni, prizmát és prov-gigapath) értékeltek, mint a ResNet18 kiindulási modellje. Adatokat tartalmaztak a 455 résztvevő 553 gyanúsított NMSC biopsziás mintájából 2130 teljes csúszdájú képről: 706 normál szövet; 638 Bowen -betegség; 575 bazális sejtes karcinóma; és 211 invazív laphámsejtes karcinóma.

A kutatók azt találták, hogy mindhárom FM szignifikánsan felülmúlta a ResNet18 -at (átlagterület a vevő működési jellemző görbe alatt [AUROC], 0,805). A legjobb modell a Prism Persic Perceiver Network segítségével összegyűjtött prizmás csempe beágyazásait használták, amely többrétegű Perceptron (MLP) modellt képzett az NMSC altípusának előrejelzésére (AUROC, 0,925). A figyelem-alapú multi-instance-i tanulás használata a csempe beágyazásának összesítésére az MLP modell kiképzéséhez optimális volt az UNI és a Prov-Gigapath modellek számára (átlag Aurocs, 0,913 és 0,908). A legegyszerűbb módszer, amelyben a globális átlagos összevonás logisztikus regressziója az összesített beágyazott beágyazás ésszerű eredményeket érhet el a prizma, az uni és a prov-gigapath számára (átlagos aurocs, 0,882, 0,865 és 0,855. Steven Song, a Chicagói Egyetem Pritzker Orvostudományi Iskolájának társszerzője nyilatkozatában mondta.

További információ

Jogi nyilatkozat: Az orvosi cikkekben szereplő statisztikai adatok általános tendenciákat biztosítanak, és nem vonatkoznak az egyénekre. Az egyes tényezők nagyban változhatnak. Mindig kérjen személyre szabott orvosi tanácsot az egyéni egészségügyi döntésekhez.

Elküldve : 2025-04-30 06:00

Olvass tovább

Felelősség kizárása

Minden erőfeszítést megtettünk annak érdekében, hogy a Drugslib.com által közölt információk pontosak és naprakészek legyenek - dátum, és teljes, de erre nem vállalunk garanciát. Az itt található gyógyszerinformációk időérzékenyek lehetnek. A Drugslib.com információit egészségügyi szakemberek és fogyasztók számára állítottuk össze az Egyesült Államokban, ezért a Drugslib.com nem garantálja, hogy az Egyesült Államokon kívüli felhasználás megfelelő, kivéve, ha kifejezetten másként jelezzük. A Drugslib.com gyógyszerinformációi nem támogatják a gyógyszereket, nem diagnosztizálnak betegeket, és nem ajánlanak terápiát. A Drugslib.com gyógyszerinformációi egy információs forrás, amelynek célja, hogy segítse az engedéllyel rendelkező egészségügyi szakembereket betegeik ellátásában és/vagy olyan fogyasztók kiszolgálására, akik ezt a szolgáltatást az egészségügyi szakértelem, készség, tudás és megítélés kiegészítéseként, nem pedig helyettesítőjeként tekintik. gyakorló szakemberek.

Az adott gyógyszerre vagy gyógyszerkombinációra vonatkozó figyelmeztetés hiánya semmiképpen sem értelmezhető úgy, hogy a gyógyszer vagy gyógyszerkombináció biztonságos, hatékony vagy megfelelő az adott beteg számára. A Drugslib.com nem vállal felelősséget a Drugslib.com által biztosított információk segítségével nyújtott egészségügyi ellátás egyetlen aspektusáért sem. Az itt található információk nem terjednek ki minden lehetséges felhasználásra, útmutatásra, óvintézkedésre, figyelmeztetésre, gyógyszerkölcsönhatásra, allergiás reakcióra vagy káros hatásra. Ha kérdése van az Ön által szedett gyógyszerekkel kapcsolatban, kérdezze meg kezelőorvosát, ápolónőjét vagy gyógyszerészét.

Népszerű kulcsszavak