SPJ|BMEF:深度学习赋能自动化HER2蛋白状态识别,精准助力乳腺癌早期诊断
ScienceAAAS
2024-09-18 22:15
文章摘要
本文介绍了加州大学洛杉矶分校Aydogan Ozcan教授团队在Science合作期刊BMEF上发表的研究,该研究提出了一种基于深度学习的自动化HER2评分分类框架,用于乳腺癌图像中HER2蛋白状态的识别。HER2蛋白在乳腺癌细胞的生长中起着关键作用,其表达水平对患者预后和治疗结果具有重要价值。传统的HER2状态评估依赖于免疫组化染色和病理学家的手动检查,但存在准确性和一致性问题。研究团队提出的深度学习方法采用金字塔抽样策略,结合多尺度特征分析,有效应对了HER2表达的异质性,提升了评分的可靠性和诊断效率。该方法不仅缩短了诊断时间,还减少了主观判断的差异,适用于不同的临床环境,为个性化医学的发展和肿瘤患者的护理质量提升铺平了道路。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。