PulseAugur
中
实时 08:45:42
English(EN) Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation

AI模型在皮肤癌分类中表现出泛化差距

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新研究论文探讨了皮肤肿瘤镜图像的级联分类，比较了ViT-B/16、Swin-S、ConvNeXt-S和EfficientNetV2-S等各种深度学习架构。研究发现，虽然模型在内部表现良好，但在应用于独立的临床数据集时存在显著的泛化差距，导致性能下降和校准问题。提出的级联方法具有可调的分类阈值，提供了更好的灵敏度控制，并符合临床鉴别诊断逻辑，尽管在部署前进行外部验证和重新校准至关重要。 AI

影响 强调了在医学影像中对AI模型进行外部验证和重新校准以弥合泛化差距的关键需求。

排序理由 该集群包含一篇学术论文，详细介绍了针对特定任务的AI模型的新方法和评估。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Elena S. Kozachok, Sergey S. Seregin, Aleksandr V. Kozachok, Ilya P. Latyshev, Oleg I. Samovarov ·

    Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation

    arXiv:2606.13135v1 Announce Type: cross Abstract: Purpose. To compare deep learning architectures and classification schemes for dermoscopic images of skin neoplasms and assess their generalization on transfer from open international datasets to independent clinical datasets of R…

  2. arXiv cs.CV TIER_1 English(EN) · Oleg I. Samovarov ·

    Cascade Classification of Dermoscopic Images of Skin Neoplasms with Controllable Sensitivity and External Clinical Validation

    Purpose. To compare deep learning architectures and classification schemes for dermoscopic images of skin neoplasms and assess their generalization on transfer from open international datasets to independent clinical datasets of Russian practice. Methods. Four architectures (ViT-…

相关实体

相关话题