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...

முழு விளக்கம்

நூற்பட்டியல் விவரங்கள்

முதன்மை ஆசிரியர்கள்:	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
வடிவம்:	Artigo
மொழி:	Inglês
வெளியிடப்பட்டது:	Nature Portfolio 2023-03-01
தொடர்:	npj Digital Medicine
ஆன்லைன் அணுகல்:	https://doi.org/10.1038/s41746-023-00795-x
குறிச்சொற்கள்:	குறிச்சொல்லை சேர்க்கவும் டாக்‌ஸ் இல்லை, இந்த பதிவுக்கு குறிச்சொல் சேர்க்கும் முதல் நபராக இருங்கள்!