Class-wise dataset mixing boosts breast MRI tumor classification accuracy

研究人员开发了一种名为类间数据集混合（Class-Wise Dataset Mixing）的方法，以提高深度学习模型在乳腺 MRI 肿瘤分类中的泛化能力。当 EfficientNet-B3 和 WaveViT-Small 等模型在 Duke Breast Cancer MRI 和 fastMRI 数据集上进行训练时，由于数据集来源偏差，它们在独立的 MAMA-MIA 多中心队列上的表现不佳。通过在训练期间混合每个类别中的两个数据集的样本，在 MAMA-MIA 队列上的准确率和 F1 分数显著提高，证明了该技术在克服领域转移方面的有效性。 AI

影响 这项研究通过提高跨数据集的泛化能力，有望为医学影像提供更可靠的 AI 诊断工具。

排序理由 该集群包含一篇研究论文，详细介绍了一种改进 AI 模型泛化能力的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• Duke Breast Cancer MRI
• EfficientNet-B3
• fastMRI
• Hugging Face
• MAMA-MIA
• WaveViT-Small

• 论文
• 模型发布

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