深度学习模型在肺癌组织病理学分析方面进行基准测试

研究人员开发了一个用于分析肺癌组织病理学图像的两阶段深度学习框架。该框架系统地比较了用于组织分类和区域分割的最先进架构。在分类任务中，YOLO11 表现最佳，准确率达到 98.38%。在分割任务中，DeepLabV3+ 取得了最佳结果，交并比（Intersection over Union）为 0.80，尽管 YOLO11-seg 提供的性能相当，但参数却少得多。 AI

影响 为深度学习模型在医学影像领域的应用提供了基准，有望加速其在病理学领域的应用。

排序理由 该集群包含一篇学术论文，详细介绍了应用于特定领域（医学影像）的深度学习模型的新基准测试方法和结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Deeplabv3 Plus
• DenseNet
• LC25000
• LungHist700
• MobileNetV3
• ResNet-encoder U-Net
• U-Net
• Vgg16
• vision transformer
• YOLO11
• YOLO11-seg

• 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 →