深度学习预测低级别胶质瘤的生物标志物状态并发现相关的组织形态学特征
原文中文，约300字，阅读约需1分钟。发表于：。通过基于多重实例学习框架的多生物标志物组织形态学发现者（Multi-Beholder）模型，我们提出了一种可解释的深度学习流程，仅使用血液和嗜酸性染色全切片图像和切片级生物标志物状态标签，预测低级别胶质瘤中五种生物标志物的状况，从而克服了当前昂贵且复杂的分子遗传学测试所依赖的专业人员分析结果以及常常报告的内观者差异。
该文介绍了一种名为Multi-Beholder的模型，可预测低级别胶质瘤中五种生物标志物的状况，仅使用血液和嗜酸性染色全切片图像和切片级生物标志物状态标签。该模型基于多重实例学习框架，具有可解释性的深度学习流程，可克服分子遗传学测试的昂贵和复杂性。
