En helt ny behandling för cancersjukdom är nu möjlig! Global hals helsektion digital patologi modellduk

Postat av: Shuhanwen (doktorand, 2:a årsstudent, Hua Shengyin University)

På senare år har det blivit en viktig komponent i medicinsk vetenskaps accelererade genombrott i utvecklingen av digital patologi. Under behandlingsprocessen av cancersjukdomar använder vi all-section imaging-teknik för att utveckla en tumörkombination, som kan användas för att omvandla en bok till en digital bild med hög separeringshastighet. Tiodimensionella bilder på hög nivå, inklusive olika patologiska prover, omfattande information om tumörens mikromiljö, diagnos av cancersjukdomsklassificering, analys av överlevnadsfrekvens och en aldrig tidigare skådad möjlighet att ge avancerad immunterapi.

Under de senaste åren har den generativa artificiella intelligensrevolutionen åstadkommit en viss mängd information inom området analytisk patologi, vilket ger kraftfulla lösningar. Samtidigt kommer genombrottet för multi-mode generativ artificiell intelligens-teknologi att hjälpa i tid, multi-skala förståelse, digital patologi och andra biomedicinska modeller .

Men på grund av den stora skalan av den numeriska fallstudien, högt bildelement, speciella egenskaper som speciell attack, beräkningsvinkeln är hög, beräkningsvinkeln är hög, beräkningsvinkeln är hög och den mellanliggande modellen är tillräckligt utmanande . Varje gång hela skärningen digitaliseras är det allmänna antalet bilder 10 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 000 eller så. En komplett visuell modell, som en Vision Transformer, och dess beräkningar är snabba och snabba. Samtidigt har antalet medicinska instrument på golvet ett brett spektrum av skalor, det finns många typer av höga röster och andra speciella egenskaper, och antalet befintliga patologiska modeller är nästan universellt etablerade.

Här lämnade forskare från Microphone Research Institute, Providence Medical Center och Shengjin University tillsammans in en fullskalig digital patologimodell, GigaPath .

Installationsmässigt har GigaPath-modellen konstruerats i flera steg, och LongNet-ramverket har nyligen utvecklats av forskningsinstitutet för mikrotransmission . Forskningspersonal på GigaPath, som för närvarande verkar på global nivå, med totalt 30 000 sjuka patienter under Providence Hospitals flagga.

Faktiska resultat, GigaPath 26 jobb—Inkluderar 9 cancersjukdomsklassificeringar 17 jobb på patologiavdelningen—Mellanliggande 25 jobbresultat, nuvarande 18 jobb skrivna av Zhongxiang High School Presentation Method.

Forskare har visat att alla intercept-skalor har visats, och sanningen är att världens antal data är viktigt. Tanken bakom förvärvet är att GigaPath-modellen är källan till nätverket Kazuyoshi Tokami.

metod

GigaPath kan användas för flera steg, omfattande användning av DINOv2 och LongNet kan användas för egen drift.

｜GigaPath-modelldemonstration

DINOv2 är en typ av standardmetoder för självstyrning, som är tillgänglig för studenter att läsa. Men eftersom självuppmärksamhet i sig är en ny beräkningsutmaning, kan den användas för ett begränsat antal små bilder, såsom 256 × 256 bilder.对于诹于论体级继继构，实题队将剩张il Uppmärksamhet）从LongNet应应用于组组法，下图.

｜LongNet modelldemonstration

Om du vill ordna hela avsnittet i den långa bildserien kan du också lägga till en serie på skalan, och använda den allmänna ordningen för att dela upp bildens längd i ett steg. Det är ett steg som är stort, LongNet drar till sig sällsynt uppmärksamhet, ett steg som är sällsynt är långt och motståndet ökas rejält. Maximal storlek, enkelsteg, lock och komplett sektion. Därför är det möjligt att förvärva en kontinuerlig metod beroende på systemet, och samtidigt upprätthålla beräkningsvänlighet (uppåt och nedåt variation av meningslängd).

Huvudsakliga praktiska resultat

När det gäller diagnostisering av cancersjukdomen är uppgiften att lokalisera det patologiska avsnittet i detalj och klassificera typen allt eftersom den fortskrider. Till exempel, guanyu ovariecancer, modell efterfrågan klassificering sex typer: tydligt ovarial ovariecancer, livmoderovariekarcinom, höggradigt ovarial ovariecancer, låggradigt äggstockscancer, mucinöst ovariecancer och ovariekarcinom massa. **GigaPath har för närvarande nio cancersjukdomsklassificeringar med enhetlig prestanda, bland vilka sex cancersjukdomsklassificeringar har en hög framgångsgrad. **Jinyu sex typer av cancer (bröstcancer, bencancer, levercancer, bröstcancer, äggstockscancer, cancer i centrala nervsystemet), GigaPaths AUROC nådde 90 % eller ännu högre. Efter cancerdiagnosen och undersökningen i detta land kommer vi att introducera det bästa hälsoområdet för högstadieelever.

Under min tid på patologiavdelningen var mitt jobbmål att fastställa platsen för hela avsnittet och att identifiera om tumören fanns eller inte. Eftersom kursens längd och kursens längd har bestämts av antalet personer som fått i uppdrag att bistå med utbildningen har urvalet skett enligt urvalssystemet. Förutom den specifika cancersjukdomstypen och grundläggande orsaksändring, finns det några grundläggande orsaksändringssignaler närvarande i alla sektionsbilder, vilket är ett obesvarat problem. Dessutom har forskare under den aktuella studien granskat den nuvarande cancerscenen och har för närvarande en mängd olika cancersjukdomstyper, och de olika bakomliggande orsakerna till tumörformen skiljer sig från de vanliga signalerna. Som du kan se i den utmanande scenen är GigaPath 18 mitt i uppgiften . Gigapath låter dig presentera en komplett horisontell sektion till en parallell modell av den japanska modellen, och öppna dörren för ytterligare framtida forskningsriktningar i det verkliga landskapet.

Dessutom har forskarens patologiska rapport bekräftats av GigaPath när det gäller dess operativa potential. Häromdagen koncentrerades en liten bild av en liten bild av patologisk diagnostikavdelnings arbete fram och tillbaka. Ömsesidig, GigaPath-sökning efter alla sektioner separat. Informationen om den patologiska studien förklaras i detalj, och informationen om användningen av informationen presenteras i utrymmet för patologibilden.

Detta är en detaljerad genomgång av språket, som är svårt att läsa, och hur många enskilda bilder som finns tillgängliga. GigaPath Detta är den mest avancerade modellen av patologi när det gäller språk .

slutsats

Genom den omfattande implementeringen har forskare bekräftat att GigaPaths ömsesidiga forskningsarbete är en komplett studie av sektionslagret och en bra implementering av modellskiktets yta. Tanken är att GigaPath har uppnått bra resultat på många jobb, men det finns fortfarande ett stort utrymme för framsteg i vissa specifika jobb. Samtidigt har forskargruppen slutfört sökandet efter en mängd olika forskarpersonal, men det finns fortfarande många specifika problem att utforska inom området patologi på morgonen .

Ett gemensamt projekt mellan GigaPath och Providence School of Medicine and Computer Science. Bland dem är Naoto Usuyama, doktorand på andra året vid University of Chinas mikrofonforskningsinstitut och seniorforskare vid Institutet för mikrofonforskning, den första författaren till artikeln. Health Futures Research Institute Health Futures General Manager Dr. Hoifung Poon, professor Wang Sheng vid Hua Shengyong University och medförfattare till den gemensamma kommunikationen med Providences Dr. Carlo Bifulco.

许涵文: Andraårs doktorand vid Hua Shenglong University. Forskningsriktning: AI-japansk medicin skärningspunkt. Vetenskapliga forskningsresultat publicerade av Nature, Nature Communications, Nature Machine Intelligence och AAAI, etc. Tidigare lärare i Nature Communications och Nature Computational Science.

Wang Sheng: Biträdande professor, Institutionen för databehandling, Hua Shengyong University, forskningsinriktning: AI-japansk medicin skärningspunkt. Forskningsresultat publicerade i Nature, Science, Nature Biotechnology, Nature Machine Intelligence, The Lancet Oncology, Mayo Clinic, Chan Zuckerberg Biohub, UW Medicine, Providence, etc. Används av flera medicinska anläggningar.

Pan Haifeng: Health Futures General Manager, Microphone Research Institute, forskningsriktningsgenereringsformel AI-grundforskning och professionell medicinsk personal. Det finns många AI-produkter tillgängliga, den mest populära biomedicinska modellen på HuggingFace, och tiotals miljoner exemplar av den biomedicinska modellen, partiella forskningsresultat har påbörjats och den medicinska anläggningen används för närvarande för kommersialisering.