¡Ahora es posible un tratamiento completamente nuevo contra el cáncer! Modelo de patología digital de sección completa de cuello global de tela

Publicado por: Shuhanwen (estudiante de doctorado, estudiante de segundo año, Universidad Hua Shengyin)

En los últimos años, se ha convertido en un componente importante del avance acelerado de la ciencia médica en el desarrollo de la patología digital. Durante el proceso de tratamiento de enfermedades cancerosas, utilizamos tecnología de imágenes de todas las secciones para desarrollar una combinación de tumores, que puede utilizarse para convertir un libro en una imagen digital con una alta tasa de separación. Imágenes de diez dimensiones de alto nivel, que incluyen varias muestras patológicas, información extensa sobre el microambiente del tumor, diagnóstico de clasificación de enfermedades cancerosas, análisis de la tasa de supervivencia y una oportunidad sin precedentes para brindar inmunoterapia avanzada.

En los últimos años, la revolución de la inteligencia artificial generativa ha aportado cierta cantidad de información en el campo de la patología analítica, aportando soluciones potentes. Al mismo tiempo, el avance de la tecnología de inteligencia artificial generativa multimodo ayudará en la comprensión del tiempo, de múltiples escalas, de la patología digital y de otros modelos biomédicos .

Sin embargo, debido a la gran escala del estudio de caso numérico, el alto elemento de imagen, las características especiales como el ataque especial, el ángulo de cálculo es alto, el ángulo de cálculo es alto, el ángulo de cálculo es alto y el modelo intermedio es suficientemente desafiante . Cada vez que se digitaliza toda la intersección, el número general de imágenes es aproximadamente 10.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000.000. Un modelo visual completo, como un Transformador de Visión, y sus cálculos son rápidos y veloces. Al mismo tiempo, el número de instrumentos médicos en el piso tiene una amplia gama de escalas, hay muchos tipos de voces agudas y otras características especiales, y el número de modelos patológicos existentes está casi universalmente establecido.

Aquí, investigadores del Instituto de Investigación de Micrófonos, el Centro Médico Providence y la Universidad Shengjin presentaron conjuntamente un modelo de patología digital a escala de sección completa, GigaPath .

En términos de instalación, el modelo GigaPath se ha construido en varias etapas y el marco LongNet ha sido desarrollado recientemente por el instituto de investigación de microtransmisión . Personal de investigación de GigaPath, que actualmente opera a escala mundial con un total de 30.000 pacientes enfermos bajo la bandera del Providence Hospital.

Resultados reales, GigaPath 26 trabajos: incluye 9 clasificaciones de enfermedades oncológicas 17 trabajos del Departamento de Patología: nivel intermedio 25 resultados de trabajo, presente 18 trabajos escritos por el método de presentación de Zhongxiang High School.

Los investigadores han demostrado que se han mostrado todas las escalas de intercepción, y la verdad es que la cantidad de datos del mundo es importante. La idea detrás de la adquisición es que el modelo GigaPath es la fuente de la red Kazuyoshi Tokami.

método

GigaPath se puede utilizar para múltiples pasos, uso integral de DINOv2, y LongNet se puede utilizar para autooperación.

｜Demostración del modelo GigaPath

DINOv2 es un tipo de método de autodirección estándar, que está disponible para que los estudiantes lo lean. Sin embargo, dado que la autoatención en sí misma es un nuevo desafío de cálculo, se puede utilizar para un número limitado de imágenes pequeñas, como imágenes de 256 × 256. Atención）从LongNet应应用于组组法，下图.

Imagen｜Diagrama del modelo LongNet

Si desea organizar toda la sección en una serie de imágenes largas, también puede agregar una serie a la escala y usar el orden general para dividir la longitud de la imagen en un paso. Es un paso grande, LongNet atrae una atención poco común, un paso raro es largo y la resistencia aumenta considerablemente. Tamaño máximo, paso único, tapa y sección completa. Por lo tanto, es posible adquirir un método continuo dependiendo del sistema y, al mismo tiempo, mantener la facilidad de uso computacional (variación ascendente y descendente de la longitud de las oraciones).

Principales resultados experimentales

En términos de diagnóstico de la enfermedad del cáncer , la tarea es localizar la sección patológica en detalle y clasificar el tipo a medida que progresa. Por ejemplo, el carcinoma de ovario de Guanyu, el modelo demanda seis tipos de clasificación: carcinoma de ovario claro, carcinoma de ovario uterino, carcinoma de ovario de alto grado, carcinoma de ovario de bajo grado, carcinoma de ovario mucinoso y masa de carcinoma de ovario. **GigaPath cuenta actualmente con nueve clasificaciones de enfermedades oncológicas con uniformidad en su desempeño, entre las cuales seis tienen una alta tasa de éxito. **Seis tipos de cáncer de Jinyu (cáncer de mama, cáncer de pierna, cáncer de hígado, cáncer de mama, cáncer de ovario, cáncer del sistema nervioso central), el AUROC de GigaPath alcanzó el 90% o incluso más. Después del diagnóstico y examen del cáncer en este país, presentaremos el mejor campo de salud para los estudiantes de secundaria.

Durante mi cita en el departamento de patología , mi objetivo laboral era determinar la ubicación de toda la sección e identificar si el tumor estaba presente o no. Dado que la duración del curso y la duración del mismo han sido determinadas por el número de personas que han sido asignadas para ayudar con la capacitación, la selección se ha realizado de acuerdo al sistema de selección. A excepción del tipo específico de enfermedad cancerosa y el cambio de causa básica, hay algunas señales de cambio de causa básica presentes en todas las imágenes de las secciones, lo que constituye un problema sin respuesta. Además, durante el estudio actual, los investigadores han revisado el panorama actual del cáncer y actualmente tienen una variedad de tipos de enfermedades cancerosas, y las diferentes causas subyacentes de la forma del tumor son diferentes de las señales comunes. Como se puede ver en la escena desafiante, GigaPath tiene 18 años en medio de la tarea . Gigapath permite presentar una sección horizontal completa de un modelo paralelo del modelo japonés y abrir la puerta a futuras direcciones de investigación en el panorama del mundo real.

Además, el informe patológico del investigador ha sido confirmado por GigaPath en términos de su potencial operativo. El otro día se concentró una pequeña imagen de una pequeña imagen del trabajo de ida y vuelta del departamento de diagnóstico patológico. Recíproco, búsqueda GigaPath para todas las secciones por separado. La información sobre el estudio patológico se explica en detalle y la información sobre el uso de la información se presenta en el espacio de la imagen de patología.

Esta es una revisión detallada del lenguaje, que es difícil de leer, y de cuántas imágenes individuales están disponibles.GigaPath Este es el modelo más avanzado de patología en términos de lenguaje .

Resumen

A través de la implementación integral, los investigadores han confirmado que el trabajo de investigación mutuo de GigaPath es un estudio completo de la capa de sección y una buena implementación de la superficie de la capa del modelo. La idea es que GigaPath ha logrado grandes resultados en muchos trabajos, pero todavía hay mucho espacio para progresar en ciertos trabajos específicos. Al mismo tiempo, el equipo de investigación ha completado la búsqueda de una variedad de personal de investigación, pero aún quedan muchos problemas específicos por explorar en el campo de la patología en la mañana .

Un proyecto conjunto entre GigaPath y la Escuela de Medicina y Ciencias de la Computación de Providence. Entre ellos, Naoto Usuyama, estudiante de doctorado de segundo año en el Instituto de Investigación de Micrófonos de la Universidad de China e investigador principal del Instituto de Investigación de Micrófonos, es el coautor principal del artículo. Instituto de Investigación de Futuros de Salud El director general del Instituto de Futuros de Salud, Dr. Hoifung Poon, el profesor Wang Sheng de la Universidad Hua Shengyong y coautor de la comunicación conjunta con el Dr. Carlo Bifulco de Providence.

许涵文: Estudiante de doctorado de segundo año en la Universidad Hua Shenglong. Dirección de investigación: Intersección entre IA y medicina japonesa. Resultados de investigaciones científicas publicados por Nature, Nature Communications, Nature Machine Intelligence y AAAI, etc. Ex profesor de Nature Communications y Nature Computational Science.

Wang Sheng: Profesor asistente, Departamento de Computación, Universidad Hua Shengyong, dirección de investigación: intersección entre IA y medicina japonesa. Resultados de investigación publicados en Nature, Science, Nature Biotechnology, Nature Machine Intelligence, The Lancet Oncology, Mayo Clinic, Chan Zuckerberg Biohub, UW Medicine, Providence, etc. Utilizado por múltiples instalaciones médicas.

Pan Haifeng: Gerente General de Futuros de Salud, Instituto de Investigación de Micrófonos, fórmula de generación de dirección de investigación, investigación básica de IA y personal médico profesional. Hay muchos productos de IA disponibles, el modelo biomédico más popular en HuggingFace y se han producido decenas de millones de copias del modelo biomédico; se han iniciado resultados de investigación parciales y la instalación médica se está utilizando actualmente para su comercialización.