PulseAugur
中
实时 05:53:54

Class-wise dataset mixing boosts breast MRI tumor classification accuracy

作者 PulseAugur 编辑部 · [1 个来源] ·

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 →

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

Class-wise dataset mixing boosts breast MRI tumor classification accuracy

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Mohammad Ali Dadrast, Hamid Usefi ·

    通过类别的跨数据集泛化在乳腺 MRI 肿瘤分类中混合数据集

    arXiv:2607.18678v1 Announce Type: cross Abstract: Breast MRI is highly sensitive for detecting breast tumors, but exams contain many slices and require substantial reading time. Deep learning models often perform well on internal splits but can fail across institutions because of…

相关实体

相关话题