Diffusion attention expert model for predicting and semi-automatic localizing STAS in lung cancer histopathological images
Rattachement africain : cn. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Accurate intraoperative and postoperative diagnosis of spread through air spaces (STAS) is essential for guiding surgical decisions and postoperative management in lung cancer. However, histopathological assessment is labor-intensive and is prone to missed or incorrect diagnoses. We propose a Diffusion Attention Expert Model (DAEM) to detect STAS in frozen sections (FSs) and paraffin sections (PSs). Its diffusion attention expert module leverages full attention aggregation to learn multi-scale features from histopathological images, while a dual-branch architecture strengthens multi-scale feature representation. On an internal dataset, DAEM achieves AUCs of 0.8946 for FSs and 0.9112 for PSs. Validation on external multi-center datasets from eight institutions demonstrates strong generalizability and interpretability. Using tumor microenvironment (TME) features in PSs, we further enable semi-automatic measurement of STAS location and its distance from the primary tumor. Several quantitative TME metrics are identified as potential biomarkers for STAS, including micropapillary-type STAS. Overall, DAEM offers a clinically actionable framework for STAS assessment by enabling accurate and interpretable detection on FSs and PSs, supporting postoperative risk stratification through quantitative TME-based analysis. Diagnosis of Spread through air spaces (STAS) in lung cancer on histopathological images is a labor-intensive process that is susceptible to missed or incorrect diagnoses. Here, the authors find that Diffusion Attention Expert Model (DAEM) has good diagnostic capability for STAS and is able to estimate approximate distance between STAS and the primary tumor mass.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Diffusion attention expert model for predicting and semi-automatic localizing STAS in lung cancer histopathological images
- Date Crossref
- 27/05/2026
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Hunan University pays non établi dans la noticeUniversité ou école supérieure
-
Central South University Department of Pathology pays non établi dans la noticeUniversité ou école supérieure
-
Second Xiangya Hospital of Central South University pays non établi dans la noticeÉtablissement de santé
-
Hunan Cancer Hospital pays non établi dans la noticeÉtablissement de santé
-
Third Xiangya Hospital pays non établi dans la noticeÉtablissement de santé
-
Qujiang People's Hospital pays non établi dans la noticeÉtablissement de santé
-
First Affiliated Hospital of University of South China Department of Pathology pays non établi dans la noticeÉtablissement de santé
-
University of South China pays non établi dans la noticeUniversité ou école supérieure
-
Xiangya Hospital Central South University pays non établi dans la noticeÉtablissement de santé
-
Renji Hospital pays non établi dans la noticeÉtablissement de santé
-
Shanghai Cancer Institute pays non établi dans la noticeStructure de recherche
-
College of Computer Science and Electronic Engineering pays non établi dans la noticeUniversité ou école supérieure
Hunan University, Department of Pathology — Central South University et Second Xiangya Hospital of Central South University, avec 9 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.