本研究分析了新辅助mFOLFOX6化疗在局部晚期直肠癌患者中的疗效，结果显示其与传统治疗方案在长期生存率上无显著差异。同时，CLEAR试验表明Lenvatinib与Pembrolizumab联合治疗晚期肾细胞癌的效果优于Sunitinib。研究强调了亚组分析的重要性，揭示了不同治疗方案的预后因素。

我们提出了一种名为SP-DiffDose的模型，结合SwinTransformer和投影器技术，提高放射治疗剂量分布预测的准确性。该模型通过多尺度条件扩散过程，将噪声和解剖图像映射到剂量分布图。评估结果显示，SP-DiffDose在内部数据集上优于现有方法，特别是在危险器官剂量预测方面表现出色。

研究直肠癌治疗中的淋巴结分割问题，提出了Meply数据集和CoSAM分割模型。Meply数据集包含269名直肠癌患者的像素级注释。CoSAM利用基于序列的检测来指导淋巴结分割，提高了定位性能。通过与其他方法比较，验证了CoSAM的有效性。

本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和U-SAM模型。实验证明U-SAM在CARE和WORD数据集上优于现有方法，为未来研究和临床应用提供了基线。

该研究提出了一种名为SAM-EG的小型息肉分割模型，通过集成边缘信息解决了分割模型在边界问题上的挑战。实验结果显示，该模型能够与最先进的方法相竞争，为医学成像领域的紧凑模型开发提供了有希望的方法。

本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和U-SAM模型。实验证明U-SAM在CARE和WORD数据集上优于现有方法，为未来研究和临床应用提供了基线。

我们提出了一种新颖的细胞至块状图卷积网络 (C2P-GCN)，该方法通过双阶段图形构建，将整个 WSI 的结构数据整合到单个图中，有效地在腺癌病理图像中收集局部结构细节，并在所有块状图像之间建立有意义的连接。C2P-GCN 通过将整个 WSI 的结构数据整合到单个图中，使我们的模型能够使用比最新的结直肠癌模型更少的训练数据，实验证明了我们方法的有效性。

使用U-Net多任务模型结合颜色和统计学增强，实现组织分割和肿瘤检测自动化。在CRC检测挑战中，该方法取得了较高的Dice分数和AUROC值。

本文研究了卷积神经网络在乳腺癌病理学中的应用，提出了一种快速自动检测淋巴结转移的新方法，并在数据集上取得了优异的性能。

解释性对于增强人工智能在医学领域的可信度至关重要，然而，关于可解释模型对临床决策实际效益的讨论仍存在多个问题，包括缺乏评估框架、医生中心评估的限制以及基于 Transformer 模型的内置注意力机制作为可解释性技术的效用不明确。通过使用临床数据和磁共振成像来预测直肠癌淋巴结转移，我们使用多模态 Transformer...

利用影像综合数据增强和半监督学习的方法，提高判断直肠癌的分割准确性和结直肠 T 分期预测算法的特异性和敏感性。

本研究介绍了一个新的大规模直肠癌CT图像数据集CARE和一种名为U-SAM的医疗癌症病变分割基准模型。U-SAM通过即时信息处理解决腹部器官结构复杂性挑战，并在CARE和WORD数据集上优于现有方法。该研究为未来研究和临床应用提供基线。

最近，欧洲肿瘤学会（ESMO）刚刚发布 转移性结直肠癌（mCRC）的临床实践指南 。因为肝脏是结直肠癌最主要的转移部位，临床工作中我也会碰到不少肠癌肝转移的病人，所以系统性地学习一下指南还是非常有必要的。ESMO 指南一贯以中立和循证著称，所以更有学习的必要。我挑选了跟我的临床工作最为相关的可切除和潜在可切除的结肠癌肝转移部分进行了阅读，并做了一些笔记。 初始技术上可 R0...