Deep Learning for Microsatellite Instability Prediction in Gastrointestinal Cancer via Multi-Scale Attention and Gated Cross-Layer Fusion
Cette étude introduit ResNet-CLAC, un nouveau cadre d'apprentissage profond incorporant une attention multi-échelle et une fusion croisée à porte, qui atteint une précision de l'état de l'art dans la prédiction de l'instabilité microsatellitaire à partir de lames d'histologie de cancer gastro-intestinal, offrant ainsi une alternative rentable et interprétable aux méthodes de diagnostic traditionnelles.