BriefGPT - AI 论文速递
·
使用启发式辅助的 Trans-Res-U-Net 和多尺度 DenseNet 进行乳腺癌智能诊断
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该研究使用深度卷积神经网络进行乳腺癌筛查检查分类，AUC为0.895。结合放射科医生预测可提高准确性。
🎯
关键要点
- 提出了一种基于深度卷积神经网络的乳腺癌筛查检查分类方法。
- 该方法在超过200,000个检查（超过1,000,000张图像）上进行了训练和评估。
- 网络在筛查人群中预测乳腺癌的AUC为0.895。
- 采用了两阶段训练程序以提高准确度。
- 通过可靠的读者研究验证了准确性。
- 结合神经网络预测的恶性概率与放射科医生的预测可提高准确性。
➡️
