breast cancer classification | BriefGPT

关键词breast cancer classification

搜索结果 - 10

基于扩散概率模型的深度紫外荧光图像乳腺癌自动检测的深度学习
本文使用扩散概率模型（DPM）来增强深紫外荧光（DUV）图像数据集，以改进乳腺癌分类的手术切缘评估，结果显示使用 DPM 显著提高 DUV 图像中的乳腺癌检测性能。
PDF5 days ago
Rad4XCNN: 基于放射计算的全局解释 CNN 派生特征的新型不可知方法
通过结合放射学特征与基于卷积神经网络的特征，本文提出了一种名为 Rad4XCNN 的新方法来提高医学图像分类的预测能力，同时保持解释性，强调了在临床实践中将解释性整合到人工智能模型中的重要性。
PDF2 months ago
一种新颖的乳腺癌组织病理图像分类方法：基于交叉色彩空间特征融合和量子经典堆叠集成
利用颜色空间组合和量子 - 经典堆叠技术提高乳腺癌分类的准确性的研究揭示了个性化医学评估中的里程碑，并通过融合不同颜色空间和量子 - 经典领域的协同作用为医学诊断设立了新的地平线。
PDF3 months ago
多视点 Swin Transformer 的乳房 X 光分类
本文提出了一种创新的基于 Transformer 的多视图网络，用于解决乳房 X 线照片分类中的挑战。我们的方法通过引入一种新颖的基于移动窗口的动态注意力块，促进多视图信息的有效集成，并在空间特征映射级别上促进该信息在视图之间的一致传递。此
PDF4 months ago
增强光谱乳腺 X 线摄影中的病变检测
本研究介绍了使用深度学习构建的计算机辅助诊断 (CAD) 技术，基于 Contrast Enhanced Spectral Mammography (CESM) 图像，通过神经网络识别乳腺恶性病变和进行分类，前期数据的结果证明最终模型在乳腺
PDF2 years ago
多视图乳腺癌分类的超复数神经架构
本文提出一种基于参数化超复数神经网络的多视角乳腺癌分类方法，有效地捕捉乳腺内不同视角的相关性，模拟医生的诊断过程，试验证明该方法在乳腺癌分类中能够显著优于传统的深度学习方法和目前的先进方法。
PDF2 years ago
上下文感知卷积神经网络用于结直肠癌组织学图像分级
本文介绍了一种基于上下文感知的神经网络，可以用于对数字组织病理学图像进行更高分辨率的分析，并在结肠癌分级和乳腺癌分类方面获得了比传统方法更好的结果。
PDF5 years ago
AAAIG2C: 一种生成器到分类器框架，整合多重染色的视觉提示用于病理性肾小球分类
该论文提出了一种名为 G2C 的两阶段框架，该框架通过将来自指定染色的输入图像应用于多个生成器来整合多种染色的视觉线索进行肾小球分类，然后使用分类器将不同染色的视觉线索组合以预测其是否具有病理属性或者是什么类型的病理属性，并在自己收集的肾小
PDF6 years ago
用卷积胶囊网络对乳腺癌组织学图像进行分类
本文提出了一个基于卷积胶囊网络的深度学习解决方案，能够对通过血红蛋白和欧辛染色的乳腺组织活检的四种图像类型进行分类，表现出非常高的准确性和敏感性。
PDF6 years ago
利用可转移特征的上下文感知学习进行乳腺癌组织学图像分类
使用基于 CNN 的分类激活特征和重叠图像块的特征来实现基于上下文信息的乳腺癌分类方法。结果表明，该方法在小数据集上比现有算法表现更出色。
PDF6 years ago