PulseAugur
实时 00:48:30
English(EN) Unsupervised Domain Adaptation for Calcification Classification in Mammography Across Multi-Site Datasets

AI改进跨数据集的乳腺钼靶钙化分类

研究人员开发了一个新框架,以提高AI模型在不同数据集和设备上对乳腺钼靶图像中的乳腺钙化进行分类的准确性。该系统利用无监督域自适应和AdaIN、CycleGAN等风格迁移模型,生成多样化的训练数据,而无需新的标注。这种方法结合Swin Transformer V2分类器,在外部数据集上展示了改进的性能,提高了钙化分类的AUC分数。 AI

影响 增强了AI在不同医学成像来源之间泛化的能力,有可能提高真实临床环境中的诊断准确性。

排序理由 该集群包含一篇学术论文,详细介绍了特定AI任务的新方法和基准测试结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

AI改进跨数据集的乳腺钼靶钙化分类

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    多中心数据集乳腺X线摄影钙化分类的无监督域自适应

    Deep learning-based computer-aided diagnosis (CAD) systems have shown strong performance in breast cancer diagnosis, particularly for classification tasks in mammography. However, domain shifts across multi-site datasets remain a challenge, especially when models are applied to u…