图 4. 指标本身、它的分布、混杂项、以及低值与高值分别长什么样
这个肿瘤区域的熵值能不能用于预测response或者os/pfs
7 Matching Annotations
- Last 7 days
-
localhost:8642 localhost:8642
-
- Aug 2026
-
localhost:8642 localhost:8642
-
图 t18：风险 c-index forest（含 95% bootstrap CI 与置换 p，0.5 参考线）。CellPA 5-fold OOF c = 0.70（perm p = 0.011） 与 CellPA LOPO c = 0.68（perm p = 0.016） 两个评估协议下均显著；作为对照，仅用细胞类型成分、不含空间信息的 composition-logistic c = 0.551（perm p = 0.515，不显著）。即两种协议下 CellPA 的序数信号显著，而单靠成分不显著。
我想知道这里的置信区间到底是5fold/LOPO 的范围还是bootstrap的抽样范围， 具体的计算可以一步一步演示一下吗？
-
-
localhost:8642 localhost:8642
-
tables/T3_power_per_domain_trueauc080.csv 我希望能把这个 table 补全，也就是补充一些我们现在已经计算好的指标，整理成一张表放在这里。具体要求如下：
-
每一个数据集原始文献中的 AUC： 这是一整列。下面已经列出了一些，不确定的部分先列“未确定”就好。
-
我们现在真实的 AUC： 按照下面的值填进去，其他不用管。
-
我们过去 report 的 AUC： 按照下面的值填进去，其他不用管。
-
新增三行 in-domain 的训练结果： 每一行的 title 分别是模型的名字：CellPA、SpaceGM 和 CELTA Community。在这五个数据集上 in-domain 的结果，底下的 report 中已经有相关的数据了，需要汇总一下。如果没有的，就先写“不清楚”，后续再补充。
-
-
再看功效（真实 AUC 恰为 0.80、单侧 α=0.05、5 万次模拟）： 域 n 临界 AUC 功效 Bonferroni-65 临界 校正后功效 达 80% 功效所需 n codex_hcc_pre 13 0.8095 0.553 1.0000 0.048 21（还差 8 人） codex_tnbc_pre 26 0.7218 0.802 0.8947 0.185 26 mibi_tnbc_pre 34 0.6702 0.946 0.8140 0.462 21 safe_hnscc_pre 41 0.6614 0.964 0.7989 0.538 24 imc_tnbc_pre 243 0.5614 1.000 0.6176 1.000 21 （出处：tables/T3_power_per_domain_trueauc080.csv）
我希望把这个 table 补全：
- 首先，把这每一篇文章中他们原始预测 response 的 AUC 添加到这里面，只要是能加的都加上。如果有什么加不上的，可以单独再列一个 table（比如你搜不到文章正文，或者有什么不确定的，需要一个 table 让我来确认，在下面进行一个补充）
- 第二，把我们之前测试中最好的、无论是不是准确真实的版本的 AUC，加到中间一列
- 第三，把现在比较真实的最好的 AUC，添加到另外一列
-
-
localhost:8642 localhost:8642
-
以病理学家的癌症 ROI 轮廓为参照，计算各 niche 细胞到该轮廓的带符号距离（负为轮廓内
这个table能不能用一个展示figure来展示这种距离关系并且能够直观的highlight出来 这个niche
-
按 ROI 计算九类 niche 组成的熵（上限 ln 9 = 2.197）
这个怎么计算，有什么生物学含义，缺少指标figure和不同指标下代表性的图像
-
- Jul 2026
-
localhost:8642 localhost:8642
-
图 3b：每行是一个类别，每张图是一个随机抽到的真实 tile（覆盖率 ≥ 0.9）
这里有一些tile看上不去不对或者不典型, 能不能你用视觉来check一下下面的tile Cancer：第3、7张 TLS/lymphoid：第1、5张 Vessel：基本整行，尤其第2–8张 Adipose：第1、4、8张 Nerve：第1、3、4张
然后在一个约8*8个tile的放大视野区域把annotion的的区域也画上,来判断一下是不是位于annotion边界还是内部的不均匀区域?
-