Histopathologic basis of a deep learning pelvic computed tomography model for prognostic prediction among patients with advanced high-grade serous ovarian carcinoma | Synapse
March 3, 2026Open Access
Histopathologischer Hintergrund eines Deep-Learning-Modells für die Beckenschnittbildgebung zur prognostischen Vorhersage bei Patienten mit fortgeschrittenem hochgradigem serösem Eierstockkarzinom
Key Points
Das Deep-Learning-Modell extrahiert effektiv histopathologische Merkmale aus CT-Bildern, was prognostische Vorhersagen ermöglicht.
Durch die präzise Extraktion aus der Bildgebung verbessert das Modell die Fähigkeit, Ergebnisse bei Patienten mit hochgradigem serösem Eierstockkarzinom vorherzusagen.
Die Analyse konzentriert sich auf den Deep-Learning-Ansatz und bewertet dessen Leistung unter Verwendung fortschrittlicher Bildverarbeitungstechniken.
Diese Erkenntnisse heben das Potenzial hervor, fortschrittliche Bildgebung mit maschinellem Lernen zu integrieren, um prognostische Modelle in der Krebsversorgung zu verbessern.
Abstract
Das DL-Modell konnte effektiv histopathologische Merkmale von hochgradigem serösem Eierstockkrebs aus CT-Bildern extrahieren.