从苏木精和伊红染色的全玻片图像预测子宫内膜癌分子分类的可解释深度学习模型：PORTEC随机试验和临床队列的联合分析

文章预览

✦ 深度学习辣汤小组文献阅读学习之七十五 ✦ 从苏木精和伊红染色的全玻片图像预测子宫内膜癌分子分类的可解释深度学习模型：PORTEC随机试验和临床队列的联合分析 DeepLearning 深度学习辣汤小组  2023/1/9  2022年，来自荷兰莱顿大学医学中心病理学系的Sarah Fremond和其同事开发了一个可解释的、基于深度学习的模型im4MEC，旨在利用患者的苏木精和伊红染色玻片预测子宫内膜癌的四类分子分类，鉴定形态分子相关性，改善子宫内膜癌患者预后，并在期刊Lancet Digit Health（IF=25.98，医学1区Top）上发表题为“Interpretable deep learning model to predict the molecular classification of endometrial cancer from haematoxylin and eosin-stained whole-slide images: a combined analysis of the PORTEC randomised trials and clinical cohorts”的文章。 DOI： https://doi.org/10.1016/S2589-7500(22)00210-2 一、研究背景 子宫内膜癌可分 ………………………………