Predicting benefit from immune checkpoint inhibitors in patients with non-small-cell lung cancer by CT-based ensemble deep learning: a retrospective study
A lung cancer risk warning model based on tongue images
這個idea有點(diǎn)簡單，舌特征預(yù)測肺癌預(yù)后呆躲∽基于不同色彩空間去提取舌體和舌苔的特征蒿涎，用了六種機(jī)器學(xué)習(xí)方法：決策樹窟哺、SVM枷餐、隨機(jī)森林残黑、神經(jīng)網(wǎng)絡(luò)注盈、樸素貝葉斯和邏輯回歸晃危，結(jié)果就在0.7-0.8徘徊。
圖片.png
Remora Namib Beetle Optimization Enabled Deep Learning for Severity of COVID-19 Lung Infection Identification and Classification Using CT Images
這個文章本身是針對炎癥狀態(tài)下肺分割算法的優(yōu)化老客。領(lǐng)域不是太相關(guān)僚饭，不過這個文章介紹了一下既往常見的一些肺分割手段，感覺可以學(xué)習(xí)一下胧砰。關(guān)于結(jié)果的評估鳍鸵，沒有太多可視化的內(nèi)容，就不看了尉间。
圖片.png
AI-based computer-aided diagnostic system of chest digital tomography synthesis: Demonstrating comparative advantage with X-ray-based AI systems
亮點(diǎn)
- 我們?yōu)樾夭繑?shù)字?jǐn)鄬雍铣?(CDTS偿乖，其實(shí)就是CT的冠狀面重建击罪？) 開發(fā)了一種新的人工智能計(jì)算機(jī)輔助檢測系統(tǒng) (AI CAD)，該系統(tǒng)旨在從現(xiàn)有的基于胸部 X 射線 (CXR贪薪，就是胸片) 的 AI CAD 中直接擴(kuò)展媳禁，從而能夠與基于胸片的AI CAD相比較。
- 我們還開發(fā)了一種技術(shù)來推進(jìn)CT診斷圖像的可視化画切，以增強(qiáng)其可解釋性损话。
- 由于我們的 CDTS AI 具有可擴(kuò)展性，我們可以公平地比較 CDTS 和 CXR 的AI CAD 之間的性能槽唾。從這個比較來看，CDTS AI被證明具有更高的診斷性能光涂；因此庞萍，我們發(fā)現(xiàn) CDTS 作為 AI CAD 作為現(xiàn)有 CXR AI 技術(shù)的有效替代方案的有用性。
這應(yīng)該算是一個比較性的研究比較了基于CT和胸片的診斷系統(tǒng)忘闻，這種整體的診斷系統(tǒng)目前我們不太用的上钝计。輸入是CT或者胸片，陽性結(jié)果是判斷肺結(jié)核或者肺炎齐佳，做二分類私恬。
圖片.png
Whole genome DNA methylation and DNA methylation-based biomarkers in lung squamous cell carcinoma
- 背景：既往有這種針對NSCLC患者診斷的甲基化生物標(biāo)志物，其中大多數(shù)與LUAD有關(guān)炼吴，而很少提供專門針對LUSC的基于甲基化的診斷模型和對LUSC甲基組數(shù)據(jù)的綜合分析本鸣。
- 鑒定甲基化位點(diǎn)，然后做功能注釋分析硅蹦，接著基于CpG島情況進(jìn)行聚類（3類）荣德，進(jìn)一步鎖定5個可以構(gòu)造穩(wěn)定模型的CpG島位點(diǎn)。進(jìn)一步建模做分析童芹，最后染了點(diǎn)片子涮瞻。
亮點(diǎn)：
1. 全面評估肺鱗狀細(xì)胞癌 (LUSC) 的 DNA 甲基化
2. 在 LUSC 中鑒定出五個甲基化生物標(biāo)志物以及映射基因
3. 異常甲基化生物標(biāo)志物也顯示在肺進(jìn)行性 CIS 病變中
圖片.png
注：我覺得這個和我們做的挺像的，是一篇我覺得可以學(xué)學(xué)的文章假褪。
