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有點簡單，舌特征預(yù)測肺癌預(yù)后?；诓煌士臻g去提取舌體和舌苔的特征，用了六種機器學(xué)習(xí)方法：決策樹、SVM、隨機森林、神經(jīng)網(wǎng)絡(luò)、樸素貝葉斯和邏輯回歸，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。領(lǐng)域不是太相關(guān)，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。關(guān)于結(jié)果的評估，沒有太多可視化的內(nèi)容，就不看了。
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
- 我們?yōu)樾夭繑?shù)字斷層合成 (CDTS，其實就是CT的冠狀面重建？) 開發(fā)了一種新的人工智能計算機輔助檢測系統(tǒng) (AI CAD)，該系統(tǒng)旨在從現(xiàn)有的基于胸部 X 射線 (CXR，就是胸片) 的 AI CAD 中直接擴展，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CT診斷圖像的可視化，以增強其可解釋性。
- 由于我們的 CDTS AI 具有可擴展性，我們可以公平地比較 CDTS 和 CXR 的AI CAD 之間的性能。從這個比較來看，CDTS AI被證明具有更高的診斷性能；因此，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)，這種整體的診斷系統(tǒng)目前我們不太用的上。輸入是CT或者胸片，陽性結(jié)果是判斷肺結(jié)核或者肺炎，做二分類。
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)，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。
- 鑒定甲基化位點，然后做功能注釋分析，接著基于CpG島情況進行聚類（3類），進一步鎖定5個可以構(gòu)造穩(wěn)定模型的CpG島位點。進一步建模做分析，最后染了點片子。
亮點：
1. 全面評估肺鱗狀細胞癌 (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。
