病理组学

罗小罗同学1 个月前
人工智能·搜索引擎·语言模型·自然语言处理·医学图像处理·病理组学·医学人工智能
未来医疗:大语言模型如何改变临床实践、研究和教育|文献精析·24-10-23这篇文章探讨了大型语言模型在医学领域的潜在应用和挑战,并讨论了它们在临床实践、医学研究和医学教育中的未来发展。
罗小罗同学1 个月前
人工智能·深度学习·医学图像处理·病理组学·医学人工智能
深度学习在癌症基因组学和组织病理学中的应用与前景|文献精析·24-10-16这篇文章是关于深度学习(Deep Learning, DL)在癌症基因组学和组织病理学中的应用的综述。
罗小罗同学1 个月前
人工智能·深度学习·医学图像处理·病理组学·医学人工智能
如何借助病理AI开展分子水平的研究?|文献速递·24-10-17今天的四篇文章跨度很大,从18年跨到24年。第一篇文章主要研究的是通过病理预测基因突变,要注意这篇文章发表的时间是2018年!!所以我们在看到这篇文章的简介时,会看到他们用的模型现在基本都没听人提到了。
罗小罗同学1 个月前
医学图像处理·病理组学·医学人工智能
肺腺癌预后新指标:全切片图像中三级淋巴结构密度的自动化量化|文献精析·24-10-09本期这篇文章,我去年分享过一次。当时发表在知乎上,没有标记参考文献,配图的清晰度也不够,并且分析的还不透彻,所以趁着国庆假期重新分析一下。
罗小罗同学2 个月前
医学图像处理·病理组学·三级淋巴结·医学人工智能·肝癌
肝内胆管癌中三级淋巴结构分布与临床预后的相关性研究|文献精析·24-09-22这篇文章是关于肝内胆管癌(intrahepatic cholangiocarcinoma, iCCA)中三级淋巴结构(tertiary lymphoid structures, TLSs)的分布、密度及其对临床结果的预测价值的研究。
罗小罗同学4 个月前
图像处理·学习·语言模型·医学图像分割·影像组学·病理组学·医学人工智能
MICS2024|少样本学习、多模态技术以及大语言模型在医学图像处理领域的研究进展|24-07-14本期推文主题今天的会议很多主题都集中在大模型、多模态这两个方面,很明显,这两个方向都是目前的研究热点。
罗小罗同学5 个月前
人工智能·算法·机器学习·病理组学·医学人工智能
人工智能在数字病理切片虚拟染色以及染色标准化领域的研究进展|顶刊速递·24-06-23本期推文主题:人工智能在数字病理切片虚拟染色以及染色标准化领域的研究进展这一期的推文是我发自内心觉得为数不多,特别宝贵的一篇推文,原因很简单——可参考的文献相对较少&方向非常具有研究意义&现在不卷。
罗小罗同学5 个月前
人工智能·肿瘤治疗·影像组学·病理组学·医学人工智能
人工智能在癌症新辅助治疗领域的研究|顶刊速递·24-06-18本期推文主题——人工智能在肿瘤新辅助治疗领域中的研究进展。这一期推文谋划已久,最早可以追溯到五一假期。五一的时候,我第一站去的就是北大。当时和北医的一个师兄(博士)聊天,主要聊的就是新辅助治疗+AI这一部分的内容。
罗小罗同学5 个月前
人工智能·算法·机器学习·病理组学·精准肿瘤学·医学人工智能
机器学习在医学领域中的应用|文献精析·24-06-132024-06-13|文献精析:机器学习在医学领域中的应用为了系统性地和大家梳理一下机器学习在医学领域中的应用,我特意去找了一篇文献,把其中有价值的信息筛选出来了。但是我没选的内容不代表不重要,感兴趣的可以找到原文自己再去补充哈。
罗小罗同学5 个月前
人工智能·机器学习·分类·数据挖掘·影像组学·病理组学·医学人工智能
人工智能在肿瘤细胞分类中的应用|顶刊速递·24-06-06推文主题——人工智能在肿瘤细胞分类中的应用。重点关注临床方向的同学/老师建议重点关注第四篇&第六篇文章,最近DNA甲基化和蛋白组学与AI的结合,在顶刊中出现的频率很高,建议思考一下能否和自己的课题结合。
罗小罗同学6 个月前
人工智能·3d·肿瘤治疗·影像组学·病理组学·精准肿瘤学
Cell|3D病理弱监督模型在前列腺癌患者治疗中的应用|顶刊精析·24-06-04这篇文章我之前分析过一遍,本期在原有基础上进行修改。在正式阅读之前,小罗友情提醒大家重点关注一下几个方向:
罗小罗同学6 个月前
人工智能·算法·3d·病理组学·精准肿瘤学·医学人工智能
【医学AI|顶刊精析|05-25】哈佛医学院·告别切片局限:3D病理如何革新癌症预后先打个预防针,我写这篇推文用了两个多小时,这就意味着要读懂这篇文章不太容易,我已经做好反复阅读的准备了。不过,风险之下,亦是机会,读懂的人少,这个赛道就越值得押宝。
罗小罗同学6 个月前
人工智能·肿瘤治疗·影像组学·病理组学·精准肿瘤学·三级淋巴结
AI&三级淋巴结构·预测癌症预后和免疫疗法反应今天分享的这篇文章对于想从事三级淋巴结交叉研究等同学和老师来说,具有非常重要的参考价值,反正我写完这篇推文以后,觉得受益匪浅。 其中重点需要提醒大家关注的是——从2D组织切片计算的TLS面积已被验证为多种肿瘤类型的预后和免疫治疗响应的生物标志物,然而在小样本活检中,单2D组织切片可能无法完全再现整个TLS免疫学组成。