메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
민찬홍 (한국과학기술원) 정현태 (한국과학기술원) 양세정 (연세대학교) 신현정 (한국과학기술원)
저널정보
대한의용생체공학회 의공학회지 의공학회지 제42권 제5호
발행연도
2021.10
수록면
232 - 240 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Heterogeneity in cancer is the major obstacle for precision medicine and has become a critical issue in the field of a cancer diagnosis. Many attempts were made to disentangle the complexity by molecular clas- sification. However, multi-dimensional information from dynamic responses of cancer poses fundamental limita- tions on biomolecular marker-based conventional approaches. Cell morphology, which reflects the physiological state of the cell, can be used to track the temporal behavior of cancer cells conveniently. Here, we first present a hybrid learning-based platform that extracts cell morphology in a time-dependent manner using a deep con- volutional neural network to incorporate multivariate data. Feature selection from more than 200 morphological features is conducted, which filters out less significant variables to enhance interpretation. Our platform then per- forms unsupervised clustering to unveil dynamic behavior patterns hidden from a high-dimensional dataset. As a result, we visualize morphology state-space by two-dimensional embedding as well as representative morphology clusters and trajectories. This cell morphology profiling strategy by hybrid learning enables simplification of the heterogeneous population of cancer.
#Hybrid learning #Deep convolutional neural network #Unsupervised clustering #Cell morphology #Cancer heterogeneity

목차

등록된 정보가 없습니다.

참고문헌 (21)

참고문헌 신청
Pareja F / 2017 / Breast Cancer Heterogeneity : Roles in Tumorigenesis and Therapeutic Implications / Current Breast Cancer Reports 9(1):34~44 google schola Turashvili G / 2017 / Tumor Heterogeneity in Breast Cancer / Frontiers in Medicine 4 google schola Eckert KA / 1991 / DNA polymerase fidelity and the polymerase chain reaction / Genome Research 1(1):17~24 google schola Suthipintawong C / 1996 / Immunostaining of cell preparations : A comparative evaluation of common fixatives and protocols / Diagnostic Cytopathology 15(2):167~174 google schola Viale G / 2012 / The current state of breast cancer classification / Annals of Oncology 23:x207~x210 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0