研究人员开发了AnomExpert,一个旨在提高产前超声异常诊断准确性的新框架。该系统利用案例级监督和可学习平面原型,将超声图像组织成解剖平面的表示,而无需显式的平面注释。AnomExpert通过为特定异常选择诊断相关的平面来进一步优化诊断。在大型数据集上的实验中,AnomExpert使用ViT-small骨干网络,在准确率和F1分数上均优于其他九种多实例学习方法,准确率达到86.9%,F1分数达到84.2%。 AI
影响 该框架可以提高产前诊断工具的精度和效率,可能导致更早、更准确地识别先天性异常。
排序理由 该集群包含一篇详细介绍用于医学诊断的新框架的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →