TN3K

AI模型在甲状腺结节分类方面显示出潜力，但在数据集偏移方面遇到困难

研究人员开发了一种用于超声图像中甲状腺结节分类的深度集成模型，旨在为临床决策支持提供校准概率和不确定性估计。该模型利用带有注意力机制的ConvNeXt-Tiny，在TN5000数据集上进行训练和验证，取得了强劲的内部性能指标。然而，当在表现出数据集偏移的独立数据集（TN3K）上进行测试时，模型的性能和校准显著下降，凸显了外部阈值可移植性方面的挑战。