Cancer Res丨中山大学王玮等团队开发多任务深度学习模型CTSMamba以准确识别新辅助化疗后的淋巴结转移状态

iNature 2025-07-08 08:00
文章摘要
本研究针对局部晚期胃癌患者在新辅助化疗后淋巴结转移状态和生存状态的评估难题,开发了一种名为CTSMamba的多任务深度学习模型。研究背景指出,现有评估方法准确性有限,而CTSMamba通过整合1,021例患者的纵向CT影像数据,显著提升了预测性能。研究目的是开发一个能够同时预测淋巴结转移和总体生存的模型,以优化临床决策和预后评估。研究结果表明,CTSMamba在所有验证队列中均优于传统临床模型,且结合临床预测因子后进一步提高了生存预测的准确性。该模型有望成为临床医生进行个体化治疗决策和预后评估的重要工具。
Cancer Res丨中山大学王玮等团队开发多任务深度学习模型CTSMamba以准确识别新辅助化疗后的淋巴结转移状态
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。
推荐文献
RIT1M90I is a driver of lung adenocarcinoma tumorigenesis and resistance to targeted therapy.
DOI: 10.1158/0008-5472.can-24-3662 Pub Date : 2025-07-03
IF 11.2 1区 医学 Q1 Cancer research
iNature
最新文章
热门类别
相关文章
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信