Deep learning for detecting BRCA mutations in high-grade ovarian cancer based on an innovative tumor segmentation method from whole-slide images

Deep learning for detecting BRCA mutations in high-grade ovarian cancer based on an innovative tumor segmentation method from whole-slide images

BRCA1/2 genes play a crucial role in repairing DNA double-strand breaks through homologous recombination. Screened by NGS, the mutations of the BRCA1/2 genes are a reliable effective predictor of sensitivity to poly(ADP-ribose) polymerase inhibitors in high-grade ovarian cancer (HGOC). In this study...

Description complète

Enregistré dans:
Détails bibliographiques
Auteurs principaux : Bourgade Raphaël (Auteur), Mosnier Jean-François (Président du jury de soutenance), Craignou-Loussouarn Delphine (Directeur de thèse), Étienne-Toquet Claire (Membre du jury), Kammerer-Jacquet Solène-Florence (Membre du jury), Bézieau Stéphane chercheur en génétique (Membre du jury)
Collectivités auteurs : Nantes Université 2022-.... (Organisme de soutenance), Nantes Université Pôle Santé UFR Médecine et Techniques Médicales Nantes (Organisme de soutenance)
Format : Thèse ou mémoire
Langue : anglais
français
Titre complet : Deep learning for detecting BRCA mutations in high-grade ovarian cancer based on an innovative tumor segmentation method from whole-slide images / Raphaël Bourgade; sous la direction de Delphine Loussouarn
Publié : 2023
Accès en ligne : Accès Nantes Université
Note sur l'URL : Accès réservé aux étudiants et personnels de l'Université de Nantes après authentification
Note de thèse : Thèse d'exercice : Médecine. Anatomie et cytologie pathologiques : Nantes : 2023
Conditions d'accès : Accès réservé aux étudiants, personnels de l'Université de Nantes et lecteurs inscrits, après authentification.
Sujets :
Ovaire > Tumeurs
Mutation (biologie)
Apprentissage profond
Thèses et écrits académiques

Internet

https://archive.bu.univ-nantes.fr/pollux/show/show?id=0984d440-25d5-4295-90fb-3abe278a1f77