机器学习技术对放射学孤立综合征和临床孤立综合征的分类
原文中文,约500字,阅读约需1分钟。发表于: 。研究使用机器学习分类方法和多模式 MRI 数据来鉴别多发性硬化症的最早临床表现(临床隔离综合征和放射学隔离综合征),准确率达到 78%。
RSNA-MICCAI脑肿瘤放射基因组分类挑战旨在预测胶质母细胞瘤中的MGMT生物标记物状态。使用多参数mpMRI扫描图片进行二分类,尝试了不同的架构,包括ViT3D、ResNet50、Xception和EfficientNet-B3。在测试集上,ViT3D模型和Xception模型分别达到了0.6015和0.61745的优势。可以通过探索不同的策略、架构和数据集进一步提高。