PulseAugur
中
实时 11:05:30
English(EN) Polyp-D2ATL: Deep Domain-Adaptive Transfer Learning for Colorectal Polyp Classification under Label Distribution Shift

新AI框架提升结直肠息肉分类准确性

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了Polyp-D2ATL，一个新颖的深度域自适应迁移学习框架，旨在提高结直肠息肉分类的准确性。该框架专门解决了数据不平衡、标签分布偏移和跨模态泛化等挑战。在PICCOLO数据集上的实验表明，Polyp-D2ATL的性能优于现有模型，在验证集上达到了82.38%的准确率和77.49%的Macro-F1分数，证明了其临床应用潜力。 AI

影响 这一新框架有望带来更准确、更可靠的结直肠息肉早期检测自动化系统，从而挽救生命。

排序理由 该集群包含一篇详细介绍新AI模型及其性能指标的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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]

  1. arXiv cs.CV TIER_1 English(EN) · Sajad Jabarzadeh Ghandilu, Maryam Sadat Hosseini Azad, Shahriar Baradaran Shokouhi, Emad Fatemizadeh ·

    Polyp-D2ATL: Deep Domain-Adaptive Transfer Learning for Colorectal Polyp Classification under Label Distribution Shift

    arXiv:2606.15000v1 Announce Type: cross Abstract: Early and highly accurate prediction of colorectal polyps, as an important sign of one of the most dangerous types of cancer, will result in saving more lives. Despite the advancements in colorectal polyp classification, many chal…

相关话题