期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于多字典学习框架的肾透明细胞癌预后分析模型
被引量:
1
1
作者
涂超
宁振源
张煜
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第4期385-393,共9页
肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑...
肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑战性。提出针对肾透明细胞癌病理全切片图像的多字典学习框架,自适应获取病理全切片图像的有效信息,进行肾透明细胞癌预后分析。该框架主要包括基于图像块水平的多字典学习和基于患者水平的生存模型构建两个阶段。利用癌症基因组图谱数据库的肾透明细胞癌数据集(TCGA-KIRC)中378例苏木素-伊红染色的全切片图像上进行评估,实验结果(C-index=0.681,AUC=0.751,P<0.05)优于现流行的各种生存模型,其中较传统的Boosted模型和随机生存森林模型,C-index指标分别提高0.138和0.155,AUC指标分别提高0.149和0.191;较Deep Surv和WSISA两个深度学习模型,C-index指标分别提高0.046和0.035,AUC指标分别提高0.096和0.090。所提出的方法可以更准确地对肾透明细胞癌进行预后分析。
展开更多
关键词
肾透明细胞癌
病理全切片图像(WSIs)
预后分析
多字典学习
下载PDF
职称材料
题名
基于多字典学习框架的肾透明细胞癌预后分析模型
被引量:
1
1
作者
涂超
宁振源
张煜
机构
南方医科大学生物医学工程学院
南方医科大学广东省医学图像处理重点实验室
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021年第4期385-393,共9页
基金
国家自然科学基金(61971213,61671230)
广东省基础与应用基础研究基金(2019A1515010417)。
文摘
肾透明细胞癌是一种高度异质的肿瘤,具有复杂多变的临床表现。基于病理全切片图像的肾透明细胞癌自动预后分析,可辅助医生做出临床决策,从而达到更好的治疗目的。肾透明细胞癌的组织异构性使得针对预后分析任务的特征提取存在很大的挑战性。提出针对肾透明细胞癌病理全切片图像的多字典学习框架,自适应获取病理全切片图像的有效信息,进行肾透明细胞癌预后分析。该框架主要包括基于图像块水平的多字典学习和基于患者水平的生存模型构建两个阶段。利用癌症基因组图谱数据库的肾透明细胞癌数据集(TCGA-KIRC)中378例苏木素-伊红染色的全切片图像上进行评估,实验结果(C-index=0.681,AUC=0.751,P<0.05)优于现流行的各种生存模型,其中较传统的Boosted模型和随机生存森林模型,C-index指标分别提高0.138和0.155,AUC指标分别提高0.149和0.191;较Deep Surv和WSISA两个深度学习模型,C-index指标分别提高0.046和0.035,AUC指标分别提高0.096和0.090。所提出的方法可以更准确地对肾透明细胞癌进行预后分析。
关键词
肾透明细胞癌
病理全切片图像(WSIs)
预后分析
多字典学习
Keywords
clear cell renal cell carcinoma
whole slide images(WSIs)
prognostic analysis
multidictionary learning
分类号
R318 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于多字典学习框架的肾透明细胞癌预后分析模型
涂超
宁振源
张煜
《中国生物医学工程学报》
CAS
CSCD
北大核心
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部