Deep Learning for Microsatellite Instability Prediction in Gastrointestinal Cancer via Multi-Scale Attention and Gated Cross-Layer Fusion
Este estudio presenta ResNet-CLAC, un novedoso marco de aprendizaje profundo que incorpora atención multiescala y fusión de capas cruzadas con compuerta, el cual logra una precisión de vanguardia en la predicción de la inestabilidad de microsatélites a partir de laminillas histológicas de cáncer gastrointestinal, ofreciendo una alternativa rentable e interpretable a los métodos de diagnóstico tradicionales.