基于有监督对比视觉变换器的乳腺组织病理图像分类
原文中文,约300字,阅读约需1分钟。发表于: 。使用监督对比视觉转换器(SupCon-ViT)的新方法,借助迁移学习和监督对比学习的优势,改进了浸润性导管癌(IDC)的分类准确性和泛化能力,并在基准乳腺癌数据集上取得了最先进的性能,F1 分数为 0.8188,精确度为 0.7692,特异度为...
使用SupCon-ViT方法改进了IDC的分类准确性和泛化能力,取得了最先进的性能。该模型在有限标记数据的场景下表现出韧性,为乳腺癌诊断提供了更高效可靠的方法。