组织病理图像的再识别
原文中文,约200字,阅读约需1分钟。发表于: 。相对简单的深度学习算法可以以相当高的准确率重新识别出大量组织病理学数据集中的患者,为此我们提出了一个风险评估方案以在出版之前评估患者的隐私风险。
本研究使用2453个组织病理学图像数据集,分析了预训练的深度迁移学习模型在乳腺癌检测中的应用。研究发现ResNet50模型的准确率为90.2%,AUC率为90.0%,召回率为94.7%,不适当损失为3.5%。
相对简单的深度学习算法可以以相当高的准确率重新识别出大量组织病理学数据集中的患者,为此我们提出了一个风险评估方案以在出版之前评估患者的隐私风险。
本研究使用2453个组织病理学图像数据集,分析了预训练的深度迁移学习模型在乳腺癌检测中的应用。研究发现ResNet50模型的准确率为90.2%,AUC率为90.0%,召回率为94.7%,不适当损失为3.5%。