Scidown文献预览系统！
深度学习算法的开发和初步验证，以量化大肠癌的组织学特征，包括肿瘤芽殖/低分化簇( Development and initial validation of a deep learning algorithm to quantify histologic features in colorectal carcinoma including tumour budding/poorly differentiated clusters )
RK Pai D Hartman DF Schaeffer C Rosty S Shivji R Kirsch RK Pai colorectal cancer deep learning tumour infiltrating lymphocytes tumour budding poorly differentiated clusters
目的开发并验证一种深度学习算法来量化结直肠癌的广谱组织学特征。方法与结果对230例大肠癌组织芯片上的苏木精-伊红玻片进行深度学习,将大肠癌数字化图像分割为13个区域和1个目标。该分割算法与胃肠病理学家的解释一致，并应用于一个独立的数字化大肠癌全玻片队列(n=136)。该算法正确地对粘液性和高RADE肿瘤进行了分类，并在粘液、炎症间质和肿瘤浸润淋巴细胞（TILs）方面确定了错配修复熟练和缺陷(MMRD)肿瘤之间的显著差异。以>44.4个TILs/mm癌为分界点,对MMRD癌的分类敏感性为88%,特异性为73%。算法测量肿瘤出芽和低分化簇（TB/PDC）优于由常规征象、UT得出的TB分级，并且在淋巴、静脉和神经周侵犯方面优于手工计数TB/PDC。TB/PDC的算法测量与手工计数的淋巴结转移之间具有可比性（均P<0.001)；而阳性淋巴结比例与TB/PDC算法指标之间有较强的相关性。与TB(P=0.04)和TB/PDC计数(P=0.06)相比,远处转移与TB/PDC算法测量之间的相关性更强(P=0.004)。结论我们的结果突出了深度学习在大肠癌组织学特征的识别和量化方面的潜力。
SciDown文献求助系统（解决99%问题） Public Download ResearchGate Wiley
『Sci-Hub|Scidown』怎么用？来看看教程吧！

支持模式 1.支持DOI号 2.支持英文文献全名搜索 3.支持参考文献搜索 4.知网文献（暂时关闭）

安卓手机、电脑用户，您可以在QQ浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！（注意是文献的DOI号）

苹果手机用户，您需要先在App Store里搜索并下载 Documents by Readdle 这个APP，在APP首页，左划右下角的指南针图标打开APP内置浏览器，在浏览器里输入 www.scidown.cn 打开scidown解析，就可以解析、下载了！

如出现BUG？赶快加入【Scidown互助交流群】反馈吧：729083885【点击一键加群】
『Sci-Hub|Scidown』相关参考文献
scidown 堆载对钉土边坡稳定性影响的数值模拟下载
scidown 减轻空气污染的影响?香港的污染-死亡率关系显著下降下载