研究人员开发了一种新的弱监督方法,用于在前列腺癌分级中对齐超声图像和组织病理学切片。该方法利用常规活检数据来约束恶性组织比例的预测,从而提高跨模态蒸馏的准确性。该方法在一个大型数据集上实现了67.1的宏观AUC和68.5的csPCa AUC,优于现有的对齐和单模态基线方法。 AI
影响 通过实现成像模态的更好对齐,提高了前列腺癌的诊断准确性。
排序理由 该集群包含一篇在arXiv上发表的研究论文,详细介绍了一种新的医学图像分析方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →