Aller au contenu principal
Accès ouvert déclaré 2025 article

219P Benchmarking state-of-the-art deep learning models for tumor-infiltrating lymphocytes (TILs) quantification

0Citations signalées — pas une note de qualité
11Institutions déclarées
5Pays d’affiliation déclarés

Résumé fourni par la source

TILs provide both prognostic information and predictive value for immunotherapy response. Their objective assessment has commonly relied on classical machine learning or convolutional neural networks (CNNs). More recently, vision transformer-based architectures have shown promising performance, but their efficiency and scalability remain limited due to the high computational demand of processing millions of cells.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
219P Benchmarking state-of-the-art deep learning models for tumor-infiltrating lymphocytes (TILs) quantification
Date Crossref
01/11/2025
Éditeur
Elsevier BV
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.

Institutions déclarées

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Sujets associés

Digital Imaging for Blood DiseasesCell Image Analysis TechniquesSingle-cell and spatial transcriptomics

BNTIC News n’est pas le producteur de ces données. Recherche à la demande dans Crossref et Europe PMC, sans clé ; OpenAlex reste optionnel. Aucun service payant requis, aucune réponse conservée. Sources et limites.