研究人员开发了一个以数据为中心的AI框架，以提高荧光寿命成像（FLIm）在指导胶质瘤手术中的准确性。该框架利用置信学习来识别和改进不一致的组织病理学标签，最终创建一个更强大的数据集。通过在此改进的数据上训练模型，他们在肿瘤细胞学分类中达到了96%的准确率，为实时手术边界评估提供了更精确的工具。 AI
影响 通过提高数据可靠性和模型鲁棒性以进行实时边界评估，增强了AI在手术导航中的作用。
排序理由 这是一篇详细介绍用于医学成像分析的新型AI框架的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2604.26147v1 Announce Type: new Abstract: Accurate intraoperative assessment of glioma infiltration is essential for maximizing tumor resection while preserving functional brain tissue. Fluorescence lifetime imaging (FLIm) offers real-time, label-free biochemical contrast, …