PulseAugur
中
实时 10:31:45
English(EN) Clinical Feasibility of Low-Magnification Fluorescence Imaging for Breast Cancer Margin Detection Using Texture Analysis and Deep Learning

深度学习在乳腺癌边缘检测方面可与纹理分析相媲美

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员探索了使用低倍荧光成像结合纹理分析和深度学习来检测乳腺癌边缘。他们的研究发现，这两种方法都达到了高精度，使用 Vision Transformers (ViT) 的深度学习模型在 4 倍放大倍率下达到了 96.30% 的敏感性和 98.18% 的准确率。研究结果表明，较低的放大倍率可提供与较高放大倍率相当的诊断性能，同时提供更大的视野和更快的图像捕获速度，使其成为术中边缘评估的更有效选择。 AI

影响 这项研究展示了人工智能驱动的图像分析在提高癌症手术等关键医疗程序中的诊断准确性和效率的潜力。

排序理由 学术论文，详细介绍了深度学习和纹理分析在医学成像中的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

深度学习在乳腺癌边缘检测方面可与纹理分析相媲美

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Pouya Afshin, Tianling Niu, Tongtong Lu, David Helminiak, Julie Jorns, Mollie Patton, Tina Yen, Donghye Ye, Bing Yu ·

    低倍率荧光成像结合纹理分析和深度学习用于乳腺癌切缘检测的临床可行性

    arXiv:2608.11317v1 Announce Type: cross Abstract: High-resolution images of unprocessed surgical breast tissue can be obtained using microscopy with ultraviolet surface excitation (MUSE). This technique is considered a promising method for checking surgical margins during breast …

相关实体

相关话题