¡Golpe directo, tres verdaderos terrones! ¡El sistema de aprendizaje profundo del científico chino se ha convertido en el "asesino mundial de números de cabeza"!

En 2022, la Organización Mundial de la Salud informará sobre la propagación del cáncer y otras enfermedades no transmisibles (ENT), que se convertirán en líderes mundiales. Las últimas cifras del Centro Nacional del Cáncer de China son las siguientes: en 2022, China tendrá un total de 482,47 millones de nuevos casos de cáncer y 257,42 millones de nuevos casos de muerte por cáncer.

Cada vez es más largo y lleva más tiempo "diagnosticar el cáncer", pero la enfermedad del cáncer en sí es un tipo de enfermedad crónica, 1/3 es posible prevenirla, 1/3 es posible verla lo antes posible, el diagnóstico temprano, el tratamiento temprano para alcanzar la cura, 1/3 es imposible de curar, pero el tratamiento se puede controlar y la calidad de vida se puede extender a un período de tiempo más largo. Entre ellos, los principales puntos de defensa son mejorar la inmunidad, el ejercicio regular y la salud personal. Después de la enfermedad del cáncer, es importante hacer un análisis posterior al cáncer.

Después de la aparición del cáncer, se supone que los pacientes con cáncer tienen una alta probabilidad de supervivencia y, después del análisis, los pacientes con cáncer tienen una alta probabilidad de supervivencia. En el pasado, los investigadores se basaron en la tecnología de la Organización de Viajes Espaciales (ST), mientras avanzaban con el ángulo de visión de la base espacial y el microambiente (TME), y diferenciaron a los pacientes con cáncer desde diferentes alturas. Sin embargo, los altos logros de ST en el período de implementación a largo plazo se han visto obstaculizados por el éxito de los pacientes con cáncer a gran escala. Materiales de estudio completos, la eficacia de los materiales de estudio, la disponibilidad del entorno existente y la capacidad de proporcionar información sobre la gran cantidad de información que se puede utilizar para formar un tumor, el reemplazo analítico de TME horizontal molecular, la posibilidad de un mayor refinamiento después de la aparición del cáncer.

En los últimos años, he colaborado con el Centro Nacional de Matemáticas de Shanghai (Centro Sucursal de la Universidad Jiao Tong de Shanghai), en el aprovechamiento de la TME representada por imágenes histológicas para mejorar el pronóstico del cáncer a través de un "sistema de aprendizaje" de pronunciación profundo. Hemos desarrollado un sistema de estudio detallado, que nos permite realizar un cuadro patológico completo, proporcionar información detallada sobre el microambiente de los pacientes con cáncer y proporcionar información detallada después de la enfermedad del cáncer.

Aspectos destacados de la investigación:

Falta el número de ST en la imagen patológica de pacientes con cáncer y la información de TME

Dado que IGI-DL es un TME altamente especializado, es muy confiable para la supervivencia del cáncer.

Imágenes de patología biomédica a gran escala ahora disponibles para uso público

Colección de números: revisión de 3 tipos de aneurismas reales Este libro incluye una revisión de este modelo de investigación que incluye cáncer de pierna recta (CCR), cáncer de mama, cáncer de piel y carcinoma de células quísticas (cSCC). Esta es una colección de tres tipos diferentes de aneurismas físicos.

Desde el final del estudio, los investigadores han sido empleados por el Hospital Ruijin, de la Facultad de Medicina de la Universidad Jiao Tong de Shanghai. Se muestra en la colección de poemas.

Número interno del CRC de expediciones especiales

Desde entonces, los investigadores han utilizado adenocarcinoma de mama, 27 pacientes, 92 libros, 34.678 puntos, y este libro se ha publicado en detalle.

Colección de reseñas del espacio sobre el cáncer de mama

El número de pacientes con 4.353 puntos en total fue de 4.353 puntos. A continuación se enumeran los avances de la tecnología, una colección de testimonios de pacientes y lo siguiente.

Recopilación del tráfico espacial del cSCC

Estructura del modelo: Un nuevo tipo de sistema de aprendizaje en profundidad para mejorar la enfermedad del cáncer. Durante esta investigación, los investigadores han desarrollado un nuevo sistema de aprendizaje en profundidad, que se puede utilizar para describir la mejora de TME en la enfermedad del cáncer.

Sistema de aprendizaje en profundidad que incluye ambas partes

El sistema incluye dos partes:

La primera parte (Conexión 1) se basa en el aprendizaje profundo integrado de gráficos e imágenes (IGI-DL). Espacio de expresión genética.

La segunda parte (Conexión 2) utiliza el gráfico de superparches y la expresión génica espacial IGI-DL (expresión génica espacial), que utiliza gráficos de superparches y la expresión génica espacial IGI-DL (nodo). MCO-CRC (Oncología Molecular y Celular cáncer colorrectal).

Proceso de trabajo detallado del sistema de aprendizaje profundo

Palabras concretas, construcción detallada integral de 3 pasos: sistema de teñido H&E, representación de fundamentos espaciales, representación de fundamentos espaciales, modelo de supervivencia de gráfico de superparche.

Imagen histológica teñida con H&E (imagen histológica teñida con H&E)

Posicionamiento de la raíz del cuello por punto, estructura de tinción H&E general, segmentación de imágenes, parches de imagen múltiples no superpuestos de 200×200, tasa de separación de 0,5 μm/píxel;

Modelo de base espacial:

Cada parche individual es creado por un investigador y cada Nuclei-Graph se utiliza como parte de Hover-Net24. (nodo), exista o no distancia entre cada núcleo celular (borde) está conectado. Marco básico C Estructura indicativa, utilizada por los investigadores del modelo IGI-DL para introducir la estructura de cada punto en la imagen científica.

Modelo de supervivencia de gráfico de superparche de representación de causa básica de espacio básico:

A medida que avanzamos en el proceso, utilizamos imágenes de secciones completas teñidas con H&E (imágenes de portaobjetos completo, WSI) para cada paciente con cáncer. grafo, luego use el grafo super-parche para crear un grafo super-parche.

Resultados de la investigación: combinación de colores de la pantalla del modelo IGI-DL

IGI-DL, la construcción de esta investigación El ensamblaje del modelo está completo, la estructura mecánica es excelente, la estructura se utiliza por completo, se aumenta la fuerza de la imagen en la imagen patológica, los fundamentos se expresan más claramente y se expande la altura horizontal. El modelo consta de cáncer de mama recto, cáncer de mama, cáncer de piel y el color de apariencia promedio de los 3 tipos de tumores físicos.

Visualización del rendimiento basada en el espacio hueco IGI-DL CRC

Como resultado, IGI-DL 179 basado en la correlación de Pearson, 5 comparaciones en ejecución del modelo SOTA, IGI-DL 10 pacientes pendientes, promedio de 0,343 Compatibilidad de Pearson, excelente rendimiento y otros modelos, aumento promedio 0,233, como se muestra arriba.

IGI-DL Adenocarcinoma Mamario Espacio Hueco Fundamentos Visualización del Rendimiento de Capacidad

Adenocarcinoma mamario, investigador general IGI-DL 187 basado en correlación de Pearson, progreso del modelo anterior, correlación promedio IGI-DL de 0,231 entre 27 pacientes pendientes. Como se muestra en la imagen de arriba, modelo IGI-DL propiedad de Hongyu, modelo SOTA, altura promedio 0,142.

Optimización del rendimiento de la expresión básica en espacios huecos de cSCC de IGI-DL

487 个对应性转关性聚之前的 carcinoma MODEL进行较较，IGI-DL中实陑了0.198Había 4 pacientes pendientes. Correlación promedio, el mejor desempeño entre los modelos existentes, el desempeño promedio de otros modelos SOTA alcanzó 0,131, como se muestra en la imagen de arriba.

En términos de rendimiento del cáncer en la plataforma plana, como se mencionó anteriormente, la recopilación de pruebas internas y externas de diferentes tipos de enfermedades cancerosas, el mejor modelo SOTA no es fijo, pero el rendimiento del modelo IGI-DL comienza y termina con otros modelos, grado de ancho de cambio promedio. 0.171, capacidad de transformarse en una plataforma plana con buen desarrollo.

IGI-DL El rendimiento de los exámenes cruzados de cáncer es bueno, por lo que el modelo tiene un buen examen interno y un examen externo. Sin embargo, el rendimiento en la mayoría de los tipos de cáncer es bajo en comparación con un solo tipo de cáncer. Como resultado, las causas del espacio regional del aneurisma tienen ciertas características de cáncer y las dificultades son inherentes a la existencia de diferentes tipos de cáncer.

Rendimiento del modelo TCGA de supervivencia diferencial del cáncer de mama y del cáncer de mama

针对预后预测性，异积性贄子图谱 Adenocarcinoma de mama (TCGA-BRCA) en la serie, desde la base espacial, el punto especial del modelo de supervivencia del gráfico especial de superparche se cruza 5 veces y la prueba se puede alcanzar 0,747 El índice de concordancia promedio (índice C); En la serie del grupo de base de la enfermedad del cáncer (TCGA-CRC), el modelo de supervivencia se cruza 5 veces, el índice C 为 0,725, el siguiente modelo se muestra como arriba.

El modelo de supervivencia para pacientes tempranos (estadio I y estadio II) tiene una precisión excelente, y la precisión del modelo es excelente, y la precisión del modelo se puede dividir en dos índices independientes para pacientes tempranos. Durante MCO-CRC, se realizó un estudio externo con un total de 1.000 pacientes, se mantuvo con éxito el modelo de supervivencia y se confirmó la capacidad de transformación real.

Cáncer de mama y precedencia del cáncer de mama: poder de préstamo de IA Durante el curso de la investigación sobre la enfermedad del cáncer después de la mejora, el análisis posterior a la enfermedad del cáncer puede ser eficaz para evitar el tratamiento y el desperdicio de recursos médicos, el personal médico y los miembros de la familia confían en la ciencia para tomar decisiones médicas y, en los últimos años, la investigación sobre la enfermedad del cáncer se ha convertido en una tendencia candente.

Después de mejorar el cáncer de mama, en 2020, los investigadores de Salesforce Co., Ltd. y la colaboración de estudiantes de medicina junto a la cama del paciente del Instituto de Investigación Lawrence J. Ellison de la Universidad del Sur de California, recomendaron el sistema científico del equipo. ReceptorNet, que tiene una estructura de baja densidad y fácil de recolectar, es uno de los marcadores biológicos más importantes en la práctica clínica para la selección y el tratamiento de pacientes con cáncer de mama. La precisión del sistema ha alcanzado el 92%.

En febrero de 2024, se estableció un modelo mecánico para investigadores de la Universidad de la Torre Meikokuken, la Universidad de Ciencia y Tecnología de Macao, la Universidad de Macao y el Primer Hospital Afiliado de la Universidad Médica de Guangzhou. puntuación)、Se utiliza para proporcionar una nueva dirección para los pacientes con cáncer de mama, para proporcionar una nueva dirección para los pacientes con cáncer de mama. (Señale para ver los detalles: Wuji, la primera enfermedad cancerosa importante a nivel mundial, los académicos chinos establecieron el adenocarcinoma de mama 预后评分绻绻 MIRS)

Además, la tasa de supervivencia a 5 años después de la confirmación no superó el 10%. Para aumentar la tasa de supervivencia del paciente, es fácil diseñar un plan de tratamiento específico. La patología de esta organización es la práctica común del aneurisma, que se puede utilizar para el análisis microscópico de las características del aneurisma y es un método importante para el desarrollo de aneurismas. Sin embargo, el tamaño de la intersección es grande, la composición de los componentes es grande y el resultado es fácil de entender.

En 2023, el grupo de investigación del Instituto de investigación médica Wisdom de la Facultad de inteligencia artificial de la Universidad de Tecnología de la Información de Nanjing, en el artículo de investigación «Modelo de sección completa básico, multifunción y orientado a la atención del adenocarcinoma femenino», completó la investigación de 8 secciones patológicas de adenocarcinoma femenino. Dividido en diferentes tipos de sistemas, sistema de atención integrado, diseñado para el uso conjunto de estructuras multitarea y modelo de rendimiento propuesto por coautor.

Modelo de presentación de investigación del Hospital Changhai en Shanghai, recopilación de configuración de números en la prueba en ejecución, existe una configuración de número público TCGA en la prueba en ejecución fuera de la prueba, la altura promedio de la fracción F1 de recopilación de prueba nacional es 0,97, la altura uniforme de la fracción F1 de recopilación de prueba en el extranjero es 0,92, y el método básico tiene un rendimiento excelente.

Es posible aumentar el poder del entrenamiento, la IA es una alternativa irreemplazable para los expertos en patología y crea una variedad de técnicas de diagnóstico, haciendo que los diagnósticos de patología sean aún más convenientes y aumentando constantemente la eficiencia de los médicos patólogos. Durante mucho tiempo, la IA se ha utilizado en la investigación biológica digital, el análisis de imágenes médicas, la progresión de enfermedades, etc., y tiene un amplio espacio de expansión.

Materiales de referencia:
1. https://news.un.org/zh/story/2018/09/1017602

2. https://mp.weixin.qq.com/s/VE68FKL6kwpO1IFsbR-LVA

3. https://ins.sjtu.edu.cn/articles/286

4. https://www.cdstm.cn/theme/khsj/khzx/khcb/202012/t20201214_1039028.html