肺癌是一种严重威胁患者生命的恶性肿瘤。通过对肺癌病人进行生存预测分析并制定针对性治疗方案，对提高病人生存率具有重要意义。提出一种基于病理学图像的肺癌患者生存预测分析方法。首先采用深度学习方法对病理学图片进行肺癌细胞自动检测，并对检测出的肺癌细胞进行特征提取。在特征选取中，引入了反映肺癌细胞间关系和分布特性的拓扑特征的提取方法，将提取的拓扑特征作为生存分析的预测因素。最后采用Cox-Lasso方法对肺癌患者进行生存预测分析。实验结果表明，该方法能够提高细胞检测的效率和准确性，并具有较高的肺癌患者生存预测分析能力。
2022-02-11 16:22:09
980KB
1
DeepPATH框架收集了用于研究深度学习架构（来自Google的Inception v3）对肺癌图像进行分类的代码。
有关更多详细信息和参考，请检查：
Nicolas Coudray，Paolo Santiago Ocampo，Theodore Sakellaropoulos，Navneet Narula，Matija Snuderl，DavidFenyö，Andre L.Moreira，Narges Razavian，Aristotelis Tsirigos。 使用深度学习从非小细胞肺癌组织病理学图像中进行分类和突变预测。 自然医学，2018; DOI：10.1038 / s41591-018-0177-5
2021-12-30 15:00:31
11.03MB
1