Weakly supervised deep learning to predict recurrence in low-grade endometrial cancer from multiplexed immunofluorescence images

Abstract Predicting recurrence in low-grade, early-stage endometrial cancer (EC) is both challenging and clinically relevant. We present a weakly-supervised deep learning framework, NaroNet, that can learn, without manual expert annotation, the complex tumor-immune interrelations at three levels: lo...

Szczegółowa specyfikacja

Opis bibliograficzny

Główni autorzy:	Daniel Jiménez-Sánchez, Álvaro López-Janeiro, María Villalba-Esparza, Mikel Ariz, Ece Kadioglu, Ivan Masetto, Virginie Goubert, Maria D. Lozano, Ignacio Melero, David Hardisson, Carlos Ortiz-de-Solórzano, Carlos E. de Andrea
Format:	Artigo
Język:	Inglês
Wydane:	Nature Portfolio 2023-03-01
Seria:	npj Digital Medicine
Dostęp online:	https://doi.org/10.1038/s41746-023-00795-x
Etykiety:	Dodaj etykietę Nie ma etykietki, Dołącz pierwszą etykiete!