.png){kind=icon}
返回
Artificial Intelligence-Based Pathomics: Technological Features and Clinical Applications
.png){kind=icon}
PRE
AI
DOI：10.1007/s44411-025-00436-7.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
'Pathomics'是数字病理学与人工智能的结合，将病理学研究从传统病理学中细胞的光学显微镜观察转变为数字病理图像分析。目前，大量的病理图像数据能够用于筛选组织切片中的所需组织信息。这一过程涉及提取各种病理特征，如核特征、微环境属性和单个细胞分析。随后，采用计算机软件分析这些特征并构建数字病理模型，旨在检测生物标志物和分子结局，从而辅助诊断并指导临床治疗策略。在此基础上，本文综述了pathomics采用的技术方法及其特点，介绍了pathomics的工作流程，探讨了pathomics在肿瘤诊断、治疗和预后中的临床应用，并强调了多源组学融合（如pathomics、影像组学和基因组学）的重要性。
Keyword:
Pathomics
Tumors
Artificial Intelligence
Technological Features
Clinical Applications
期刊
B
IF:
1.1
论文数:
309
被引数:
0
机构
引用论文
Detection of PatIent-Level distances from single cell genomics and pathomics data with Optimal Transport (PILOT)从单细胞基因组学和病理组学数据中检测患者水平的距离与最佳运输 (PILOT)
OAAI
OAAI分享收藏A comprehensive radiopathological nomogram for the prediction of pathological staging in gastric cancer using CT-derived and WSI-based features基于CT衍生和WSI基础特征的胃癌病理分期预测的综合放射病理列线图OAAI
OAAI分享收藏Pathomic Fusion: An Integrated Framework for Fusing Histopathology and Genomic Features for Cancer Diagnosis and Prognosis病理学融合: 融合癌症诊断和预后的组织病理学和基因组特征的集成框架OAAI
OAAI分享收藏Emerging role of deep learning-based artificial intelligence in tumor pathology基于深度学习的人工智能在肿瘤病理学中的新兴作用.png)
CANCER COMMUNICATIONSOAAI
CANCER COMMUNICATIONSIF24.9
OAAI分享收藏QuPath: Open source software for digital pathology image analysisQuPath: 用于数字病理图像分析的开源软件SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Development and validation of a radiopathomics model to predict pathological complete response to neoadjuvant chemoradiotherapy in locally advanced rectal cancer: a multicentre observational study预测局部晚期直肠癌新辅助放化疗病理完全缓解的放射病理学模型的开发和验证: 一项多中心观察性研究OAAI
OAAI分享收藏
查看更多内容