PulseAugur
中
实时 04:05:51
English(EN) A Leakage-Aware Comparative Benchmark of Machine Learning, Deep Learning, and Transformer Models for Reliable Leukemia Detection

研究发现白血病检测基准存在数据泄漏缺陷

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新的研究论文强调了使用机器学习模型进行白血病检测的现有基准中存在严重的数据泄漏问题。该研究建立了一个更严格的主题不重叠评估协议，揭示了先前接近完美的性能指标由于同一患者的细胞同时出现在训练集和测试集中而被夸大。在此更严格的协议下，EfficientNet-B1 成为表现最佳的模型，尽管其结果仍强调了在医学图像分析中仔细验证的必要性。 AI

影响 强调了医疗 AI 基准中的关键数据泄漏问题，为可靠的临床应用需要更严格的验证。

排序理由 学术论文，详细介绍了机器学习模型的新基准和评估方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

研究发现白血病检测基准存在数据泄漏缺陷

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Nisreen Albzour ·

    A Leakage-Aware Comparative Benchmark of Machine Learning, Deep Learning, and Transformer Models for Reliable Leukemia Detection

    arXiv:2606.24944v1 Announce Type: cross Abstract: Automated classification of acute lymphoblastic leukemia (ALL) from peripheral blood smear images has often reported near-perfect performance on the C-NMC 2019 dataset. We show that such results can be inflated by patient-level da…

相关实体

相关话题