Deep Learning for Microsatellite Instability Prediction in Gastrointestinal Cancer via Multi-Scale Attention and Gated Cross-Layer Fusion
Diese Studie stellt ResNet-CLAC vor, ein neuartiges Deep-Learning-Framework, das Multi-Scale-Attention und Gated Cross-Layer-Fusion integriert, wodurch eine führende Genauigkeit bei der Vorhersage der Mikrosatelliteninstabilität aus Histologiebildern von gastrointestinalen Karzinomen erreicht wird, was eine kosteneffiziente und interpretierbare Alternative zu traditionellen Diagnosemethoden bietet.