人类表皮生长因子2(HER2)表达的评估对于制定乳腺癌的精确治疗至关重要。HER2的常规评估是通过免疫组织化学技术(IHC)进行的,这非常昂贵。因此,我们首次生产了乳腺癌免疫组织化学(BCI)基准,试图将IHC数据直接与成对的苏木精(HE)染色图像合成。数据集包含4870个注册的图像对,涵盖了各种HER2表达水平。基于BCI,作为较小的贡献,我们进一步构建了一种金字塔PIX2PIX图像生成方法,它比其他当前流行算法更好地实现了IHC翻译结果。BCI的广泛实验对现有的Immig translation Research构成了新的挑战。此外,BCI还基于合成的IHC图像在HER2表达评估中为将来的病理研究打开了大门。BCI数据集可以从https://bupt-ai-cz.github下载。io/bci。
摘要 - 甲状腺结节是一种病变,医生通常需要高级诊断工具来检测和进行后续诊断。有监督的深度学习技术,尤其是生成的对抗网络(GAN),已被用来提取基本特征,检测结节并生成甲状腺面膜。但是,由于识别癌症区域和训练模式崩溃的高成本,这些方法在获得培训数据方面面临重大挑战。因此,本研究提出了一个GAN模型的改进,即用于甲状腺结节分割的像素到像素(Pix2Pix)模型,在该模型中,将发生器与监督损失功能合并,以解决GAN训练期间的不稳定性。该模型使用了具有u-Net体系结构启发的编码码头结构的生成器来产生掩码。该模型的歧视者由多层卷积神经网络(CNN)组成,以比较真实和生成的面具。此外,使用三个损失函数,即二进制跨透明镜丢失,软骰子丢失和jaccard损失,并结合损失gan来稳定GAN模型。基于结果,提出的模型从超声甲状腺结节图像中实现了97%的癌症区域检测准确性,并使用稳定模型对其进行了分割,其发电机损耗函数值为0.5。简而言之,这项研究表明,与半监视分割模型相比,改进的PIX2PIX模型在结节分割精度方面产生了更大的灵活性。关键字 - 甲状腺结节分割,超声图像,深度学习,生成对抗网络,pix2pix,损失功能
卵巢癌仍然是最致命的妇科恶性肿瘤,主要是因为其化疗耐药性和高复发率。越来越多的证据表明,SOX2 异常表达与卵巢癌患者的化疗耐药性和不良预后有关。在本研究中,我们旨在阐明卵巢癌细胞中 SOX2 异常表达的机制。通过检查多种卵巢癌细胞系和一组临床肿瘤样本,我们观察到卵巢癌细胞系和肿瘤中 SOX2 广泛过表达。为了确定导致卵巢癌细胞中 SOX2 过表达的信号通路,我们筛选了一组针对 30 种主要细胞激酶的小分子激酶抑制剂。在确定的热门药物中,AKT 抑制剂是其中之一。我们证明,抑制或敲低 AKT1 可大幅下调 SOX2 蛋白水平,损害 SOX2 阳性卵巢癌细胞的生长和干细胞特性,并显著提高 SOX2 阳性卵巢癌细胞对铂类药物的敏感性。从机制上讲,我们发现 AKT1 主要通过增强其蛋白质稳定性来驱动 SOX2 过表达,并通过在 T116 位点磷酸化 SOX2 来实现这一点。总之,我们的研究揭示了卵巢癌中驱动 SOX2 过表达的潜在机制,并强调了药理学抑制 AKT1 是一种潜在的治疗策略,可提高 SOX2 阳性卵巢癌对铂类药物的敏感性。
本次会议将继续以前会议的综合多学科方法。基础科学家将参加工程师和精神科医生的讲座。认知神经科学家将与神经外科医生和大脑建模物理学家交往。这次肥沃的跨学科会议将为讨论推动该领域进步的科学提供足够的机会。
本指南不能替代个人医疗建议。家庭应在与遗传诊断,管理和健康有关的所有问题上咨询具有医学资格的临床医生。有关遗传变化的信息是一个非常快速的领域,虽然本指南中的信息被认为是出版时可用的最佳信息,但后来有些事实可能会发生变化。唯一可以尽力保持不断变化的信息并根据需要审查其已发布的指南。本信息指南由独特(CA)汇编,使用《全面独特信息指南》(NRXN1)删除(2024)的全面独特信息指南,并由德国海德尔伯格大学医院的人类遗传学研究所董事兼主席克里斯蒂安·施·沙夫(Christian Schaaf)审查。版本1(CA)版权所有©唯一2024
在第 118 届国会初期,我们因共同认识到人工智能 (AI) 可能为世界带来的深刻变化而走到了一起:人工智能能够彻底改变科学、医学、农业等领域;蓬勃发展的人工智能生态系统能够为我们的经济和生产力带来非凡的益处;人工智能能够从根本上改变人类的能力和知识。与此同时,我们每个人都认识到人工智能可能带来的潜在风险,包括在短期和长期内改变我们的劳动力,对现有法律在人工智能世界中的应用提出质疑,改变我们国家安全的动态,并增加潜在世界末日情景的威胁。这导致了我们两党参议院人工智能工作组(“人工智能工作组”)的成立。
更多信息请访问:运河游客中心 508.833.9678 samantha.a.gray@usace.army.mil www.capecodcanal.us www.facebook.com/CapeCodCanalVisitorCenter
本次会议将延续前几届会议的综合多学科方法。基础科学家将参加工程师和精神病学家的讲座。认知神经科学家将与神经外科医生和脑建模物理学家交流。这场富有成果的跨学科会议将提供充足的机会来讨论推动该领域进步的科学。
1 墨西哥圣路易斯波多西自治大学医学院免疫学系,圣路易斯波多西 78290,圣路易斯波多西,墨西哥; r.sanchez@ttuhsc.edu (RS-G.); diana.alvarado@uaslp.mx(DLA-H.); rgonzale@uaslp.mx (RG-A.) 2 德克萨斯理工大学健康科学中心埃尔帕索保罗 L. 福斯特医学院分子与转化医学系,美国德克萨斯州埃尔帕索 79905 3 牙科学院牙髓病学研究生课程; ana.amaro@uaslp.mx(AMG-A.); veronica.mendez@uaslp.mx (VM-G.) 4 墨西哥社会保障研究所-IMSS 萨卡特卡斯生物医学研究部,萨卡特卡斯 98000,墨西哥萨卡特卡斯; bruno.rivas@imss.gob.mx 5 墨西哥圣路易斯波多西自治大学牙科学院基础科学实验室,圣路易斯波多西 78290,圣路易斯波多西,墨西哥; apozos@uaslp.mx 6 分子生物医学系,墨西哥城 07360,墨西哥,墨西哥 * 通信地址:marlen.vitales@uaslp.mx † 为了纪念学生 Janeth Araujo Pérez,本文的作者是她硕士论文的一部分。
本次会议将继续以前会议的综合多学科方法。基础科学家将参加工程师和精神科医生的讲座。认知神经科学家将与神经外科医生和大脑建模物理学家交往。这次肥沃的跨学科会议将为讨论推动该领域进步的科学提供足够的机会。
