English(EN) Training Set Augmentation and Biology-Aware Harmonization Improve Radiomic Models for Lung Cancer Prediction in Indeterminate Nodules

新的训练方法提高了肺癌预测的影像组学模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-10 04:00

研究人员开发了改进的影像组学模型，用于预测不确定肺结节中的肺癌。通过用后期发育阶段的结节增强训练数据并采用生物感知协调技术，模型的性能显著提高。这种方法解决了早期结节低恶性率和图像采集协议可变性带来的挑战，从而提高了癌症预测的准确性。 AI

影响增强了AI在医学影像中的诊断能力，可能导致更早地检测出肺癌。

排序理由该集群包含一篇详细介绍改进AI模型新方法的科学论文。[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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Claire Huchthausen, Menglin Shi, Gabriel L. A. de Sousa, James Larner, Einsley Janowski, Jonathan Colen, Krishni Wijesooriya · 2026-06-10 04:00

Training Set Augmentation and Biology-Aware Harmonization Improve Radiomic Models for Lung Cancer Prediction in Indeterminate Nodules

arXiv:2412.16758v3 Announce Type: replace-cross Abstract: CT radiomics-based machine learning has potential to predict lung cancer in pulmonary nodules (PNs) earlier than standard-of-care methods. Low malignancy rates in early-development PNs and variable image acquisition hinder…