AACR: Terbazlı makine öğrenme modelleri, melanom olmayan cilt kanserini teşhis etmeye yardımcı olur

Drugslib'i takip edin

tıbbi olarak Carmen Pope, Bpharm tarafından tıbbi olarak gözden geçirildi. En son 29 Nisan 2025'te güncellendi.

29 Nisan 2025 Salı - Önceden Taşıtlı Temel Modellerinden (FMS) tüm slayt gömme işleminden yararlanmak, Chicago'da 25-23 Nisan'da düzenlenen Amerikan Kanser Araştırmaları Derneği'nin yıllık toplantısında sunulan bir araştırmaya göre Melanom Olmayan Cilt Kanseri (NMSC) teşhisini iyileştiriyor. NMSC, özellikle kaynak kısıtlı ortamlarda. Bir ResNet18 taban çizgisi modeli gibi üç patoloji FM (UNI, Prism ve Prov-gigapath) değerlendirildi. 455 katılımcıdan 553 şüpheli NMSC biyopsi örneğinden 2.130 tam kayma görüntüsü için veriler dahil edildi: 706 Normal doku; 638 Bowen Hastalığı; 575 Bazal hücreli karsinom; ve 211 invaziv skuamöz hücreli karsinom.

Araştırmacılar, her üç FM'nin de ResNet18'den (alıcı çalışma karakteristik eğrisi [AUROC], 0.805) önemli ölçüde daha iyi performans gösterdiğini bulmuşlardır. Genel en iyi model, NMSC'nin alt tipini tahmin etmek için çok katmanlı bir algılama (MLP) modelini eğiten Prizma'nın iç algılayıcı ağını kullanılarak toplanan prizma karo gömleklerini kullanmıştır (Auroc, 0.925). Bir MLP modelini eğitmek için karo gömleklerini bir araya getirmek için dikkat tabanlı çok-yük öğrenimi kullanmak Uni ve Prov-gigapath modelleri için optimaldir (ortalama Aurocs, 0.913 ve 0.908). Küresel ortalama havuzlama toplu gömleklerinin lojistik regresyonu ile en basit yöntem, prizma, uni ve prov-gigapath (ortalama Aurocs, 0.882, 0.865 ve 0.855) için makul sonuçlar elde edebilir. Chicago Üniversitesi Pritzker Tıp Fakültesi'nden Coauthor Steven Song.

Daha fazla bilgi

Feragat: Tıbbi makalelerdeki istatistiksel veriler genel eğilimler sağlar ve bireylerle ilgili değildir. Bireysel faktörler büyük ölçüde değişebilir. Her zaman bireysel sağlık kararları için kişiselleştirilmiş tıbbi tavsiyeler arayın.

Kaynak: Healthday

Gönderildi : 2025-04-30 06:00

Devamını oku

Sorumluluk reddi beyanı

Drugslib.com tarafından sağlanan bilgilerin doğru ve güncel olmasını sağlamak için her türlü çaba gösterilmiştir. -tarihli ve eksiksizdir ancak bu konuda hiçbir garanti verilmemektedir. Burada yer alan ilaç bilgileri zamana duyarlı olabilir. Drugslib.com bilgileri Amerika Birleşik Devletleri'ndeki sağlık uygulayıcıları ve tüketiciler tarafından kullanılmak üzere derlenmiştir ve bu nedenle Drugslib.com, aksi özellikle belirtilmediği sürece Amerika Birleşik Devletleri dışındaki kullanımların uygun olduğunu garanti etmez. Drugslib.com'un ilaç bilgileri ilaçları onaylamaz, hastalara teşhis koymaz veya tedavi önermez. Drugslib.com'un ilaç bilgileri, lisanslı sağlık uygulayıcılarına hastalarıyla ilgilenme konusunda yardımcı olmak ve/veya bu hizmeti görüntüleyen tüketicilere sağlık hizmetinin uzmanlığı, becerisi, bilgisi ve muhakemesi yerine değil, tamamlayıcı olarak hizmet etmek için tasarlanmış bir bilgi kaynağıdır. uygulayıcılar.

Belirli bir ilaç veya ilaç kombinasyonu için bir uyarının bulunmaması, hiçbir şekilde ilacın veya ilaç kombinasyonunun herhangi bir hasta için güvenli, etkili veya uygun olduğu şeklinde yorumlanmamalıdır. Drugslib.com, Drugslib.com'un sağladığı bilgilerin yardımıyla uygulanan sağlık hizmetlerinin herhangi bir yönüne ilişkin herhangi bir sorumluluk kabul etmez. Burada yer alan bilgilerin olası tüm kullanımları, talimatları, önlemleri, uyarıları, ilaç etkileşimlerini, alerjik reaksiyonları veya olumsuz etkileri kapsaması amaçlanmamıştır. Aldığınız ilaçlarla ilgili sorularınız varsa doktorunuza, hemşirenize veya eczacınıza danışın.

Popüler Anahtar Kelimeler