Deep learning identifies morphological patterns of homologous recombination deficiency in luminal breast cancers from whole slide images - Mines Paris
Article Dans Une Revue Cell Reports Medicine Année : 2022

Deep learning identifies morphological patterns of homologous recombination deficiency in luminal breast cancers from whole slide images

Tristan Lazard
  • Fonction : Auteur
Centre de Bioinformatique
Cancer et génome: Bioinformatique, biostatistiques et épidémiologie d'un système complexe
Guillaume Bataillon
  • Fonction : Auteur
Institut Curie [Paris]
Peter Naylor
Centre de Bioinformatique
Cancer et génome: Bioinformatique, biostatistiques et épidémiologie d'un système complexe
Tatiana Popova
  • Fonction : Auteur
Unité de génétique et biologie des cancers
François-Clément Bidard
Institut Curie [Paris]
Université de Versailles Saint-Quentin-en-Yvelines
Institut National de la Santé et de la Recherche Médicale
Dominique Stoppa-Lyonnet
Unité de génétique et biologie des cancers
Marc-Henri Stern
  • Fonction : Auteur
Institut Curie [Paris]
Unité de génétique et biologie des cancers
Etienne Decencière
Centre de Morphologie Mathématique
CV
Thomas Walter
Connectez-vous pour contacter l'auteur
Centre de Bioinformatique
Cancer et génome: Bioinformatique, biostatistiques et épidémiologie d'un système complexe
CV
Anne Vincent-Salomon
Connectez-vous pour contacter l'auteur
Génétique et Biologie du Développement

Domaines

Intelligence artificielle [cs.AI] Cancer

Etienne Decencière  : Connectez-vous pour contacter le contributeur

https://minesparis-psl.hal.science/hal-03936608

Soumis le : jeudi 12 janvier 2023-17:04:08

Dernière modification le : mercredi 30 octobre 2024-13:09:48

Consulter le texte intégral

Dates et versions

hal-03936608 , version 1 (12-01-2023)

Identifiants

Citer

Tristan Lazard, Guillaume Bataillon, Peter Naylor, Tatiana Popova, François-Clément Bidard, et al.. Deep learning identifies morphological patterns of homologous recombination deficiency in luminal breast cancers from whole slide images. Cell Reports Medicine, 2022, 3 (12), pp.100872. ⟨10.1016/j.xcrm.2022.100872⟩. ⟨hal-03936608⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

ENSMP CNRS ENSMP_CBIO ENSMP_CMM PARISTECH FNCLCC CURIE UGBDD UVSQ PSL UNIV-PARIS-SACLAY ENSMP_DR SORBONNE-UNIVERSITE SU-MEDECINE SU-SCIENCES ANR PRAIRIE-IA
92 Consultations
0 Téléchargements

Altmetric

Partager

More