PulseAugur
中
实时 09:18:57
English(EN) BreastMammo and DenseMammo: Benchmarks for Mammography Domain Generalization

新的乳腺钼靶数据集和泛化框架提高了AI准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员引入了两个新的数据集BreastMammo和DenseMammo，旨在提高AI模型在不同临床地点乳腺钼靶检查中的泛化能力。他们还提出了一个使用前景直方图匹配来解决图像采集风格差异的领域泛化框架。该方法在采用Swin Transformer骨干网络进行测试时，在密度分类方面达到了98.32%的AUC，并在外部数据集上优于MixStyle和基于离散傅里叶变换的框架等现有方法。 AI

影响 这项研究可能带来更可靠的乳腺钼靶AI诊断工具，提高不同医疗服务提供者之间的一致性。

排序理由 该集群包含一篇学术论文，介绍了新的数据集和用于医学影像领域泛化的新颖框架。[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 →

新的乳腺钼靶数据集和泛化框架提高了AI准确性

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Hongyi Pan, Gorkem Durak, Halil Ertugrul Aktas, Andrea Mia Bejar, Mustafa Ege Seker, Nebile Alibeyoglu, Rumeysa Guclu, Rana Gunoz Comert Bozkurt, Sibel Ozkan Gurdal, Neslihan Cabioglu, Beyza Ozcinar, Ravza Yilmaz, Vahit Ozmen, Erkin Aribal, Sukru Mehmet … ·

    BreastMammo 和 DenseMammo：乳腺摄影域泛化的基准

    arXiv:2608.10271v1 Announce Type: cross Abstract: Breast density classification is a critical component of breast cancer risk assessment, yet AI models often struggle to generalize across clinical sites due to vendor-specific acquisition styles. In this work, we introduce two new…

相关实体

相关话题