Abner
2024-02-27 20:07:47 0 举报
Abner是一种用于快速构建和部署模型驱动的智能助手的框架。它能够通过直观的对话界面,让开发者和研究人员轻松地将NLP和机器学习技术整合到智能系统中。Abner采用了模块化的设计,支持各种插件和第三方服务,使其能够灵活适应各种业务场景。它具有高效性、鲁棒性和易于扩展的特点,可以帮助企业快速搭建和优化智能对话系统。
作者其他创作
大纲/内容
研究内容三
归纳PKM2表达和肿瘤微环境状态间的变化规律
研究18F-FDG影像学特征参数与肿瘤微环境(TAMs、CD3+T、CD8+T、CD57、CD66b、CD34细胞状态)的相关性
分析肝癌组织中18F-FDG影像特征与PKM2表达的相关性,确定量化PKM2表达的有效影像学特征
归纳肝癌细胞和组织中PKM2表达变化对18F-FDG摄取的影响,探索PKM2摄取18F-FDG机制
保留量化肿瘤微环境亚型的生物学标志物
将肿瘤微环境划分为TME-高评分组与TME-低评分组
研究内容一
体外培养多种HCC细胞系(HepG2、Bel-7402、SMMC-7721、MHCC97、Hep3B)
流式细胞学技术、免疫荧光双染色技术测定不同细胞系PKM2表达水平
对多模态影像数据的肿瘤微环境区域进行标注(肝癌区域、瘤周区域)
揭示PKM2表达水平和肿瘤微环境间的相关性,基于影像组学技术挖掘与肿瘤微环境重塑相关的生物学标志物
计算两组细胞系的18F-FDG摄取率
研究内容二
免疫染色技术分析TAMs、CD3+T、CD8+T、CD57、CD66b、CD34细胞状态
多模态影像的深度学习模型的建立
回顾性收集肝癌患者治疗前、后的18F-FDG Micro-PET、CT影像数据、临床信息、随访信息
确定适合多模态小样本影像数据的Swin UNetR深度学习建模方法
分析不同治疗方案对预后影响,指导患者早期风险分层和治疗策略制定,提高患者整体生存获益
构建皮下移植瘤小鼠队列,并对小鼠进行18F-FDG Micro-PET显像
采用Point-biserial分析多模态特征和不同治疗方案间的相关性
糖酵解抑制剂探索PKM2摄取18F-FDG的机制
利用影像组学技术提取18F-FDG Micro-PET图像中的特征,对提取的特征进行筛选
预测不同的治疗手段疗效,挖掘肿瘤微环境标志物
研究肿瘤微环境的多模态影像特征与肝癌治疗疗效间的相关性,基于肝癌肿瘤微环境多模态影像和深度学习算法构建个性化治疗方案的预后预测模型
筛选PKM2表达低且对索拉非尼敏感的HepG2细胞系为对照组,实验组为PKM2过表达且对索拉非尼耐药的HepG2细胞系
基于体内水平分析18F-FDG监测肿瘤微环境重塑的可能性
以mRECIST1.1作为标准,根据治疗方案不同分为化疗组、靶向治疗组和免疫治疗组
Western Blot检测组织中PKM2表达水平
检测不同细胞系对索拉非尼的IC50
0 条评论
下一页
为你推荐
查看更多