BriefGPT - AI 论文速递
·
Path-GPTOmic: 一个平衡的多模态学习框架用于生存结局预测
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
提出了一种多模态变压器模型 (PathOmics)，将病理学和基因组学结合到结直肠相关癌症存活预测中。该模型通过无监督预训练捕捉吉格像素全幅图像和基因组数据之间的互动。验证结果表明该方法在TCGA结直肠癌队列上具有竞争力。
🎯
关键要点
- 提出了一种多模态变压器模型 (PathOmics)。
- 该模型结合了病理学和基因组学的洞察力用于结直肠相关癌症存活预测。
- 通过无监督预训练捕捉吉格像素全幅图像与基因组数据之间的互动。
- 模型微调后可扩大适用于多模态和单模态数据的效用范围。
- 验证结果显示该方法在TCGA结直肠癌队列上具有竞争力，超越现有研究。
➡️
