SPJ｜BMEF：深度学习赋能自动化HER2蛋白状态识别，精准助力乳腺癌早期诊断

本文介绍了加州大学洛杉矶分校Aydogan Ozcan教授团队在Science合作期刊BMEF上发表的研究，该研究提出了一种基于深度学习的自动化HER2评分分类框架，用于乳腺癌图像中HER2蛋白状态的识别。HER2蛋白在乳腺癌细胞的生长中起着关键作用，其表达水平对患者预后和治疗结果具有重要价值。传统的HER2状态评估依赖于免疫组化染色和病理学家的手动检查，但存在准确性和一致性问题。研究团队提出的深度学习方法采用金字塔抽样策略，结合多尺度特征分析，有效应对了HER2表达的异质性，提升了评分的可靠性和诊断效率。该方法不仅缩短了诊断时间，还减少了主观判断的差异，适用于不同的临床环境，为个性化医学的发展和肿瘤患者的护理质量提升铺平了道路。