该文综述多项AI医学影像研究,聚焦癌症诊断与转移预测。方法涵盖深度学习、半监督学习、生成对抗网络及泛化语言模型,应用于结直肠癌、肝癌、肺癌、乳腺癌和肾细胞癌的CT与组织切片分析,实现病变检测、分割、分类及预后预测,部分模型准确率超99%,接近资深放射科医生水平。
本研究提出了一种以模型为导向的跨语言转移方法,通过使用两种语言之间的子网络相似性作为预测语言兼容性的代理方法,进一步提高了效能。实验证明该方法在多样性任务上优于其他基准模型,并能有效对零样本 XLT 进行排名。同时,研究还对子网络在 XLT 预测中的实用性进行了广泛的分析。
该研究提出了一种基于交叉关注的多实例学习方法,能够在WSIs上无需标注即可识别乳腺癌淋巴结微转移,具有良好的解释性特点。
完成下面两步后,将自动完成登录并继续当前操作。