跳到正文
原文
bioRxiv 预印本· Yin, Z., Xu, M., Virany, L., GUO, Y. ·· 19 天前AI 评分18

可解释深度学习结合内源性荧光团浓度与熵用于肺组织分类

Interpretable Deep Learning of Endogenous Fluorophore Concentration and Entropy for Lung Tissue Classification

AI 导读

基于化学计量荧光显微镜(CFM)获取色氨酸、弹性蛋白、NADH和FAD浓度图,研究用GAMI-Net比较浓度、熵及二者组合对正常与癌变肺组织的区分能力,五折交叉验证平均ROC AUC分别为95.9%±0.7%、96.4%±1.6%和98.4%±0.7%。组合模型中FAD熵、NADH浓度和NADH熵为主要主效应,并呈现U形弹性蛋白-熵关系和非单调色氨酸关系。

来源:bioRxiv 预印本 · biorxiv.org