breast cancer detection | BriefGPT

关键词breast cancer detection

搜索结果 - 7

利用单图生成模型减轻癌症分类中的注释偏移
通过模拟、分析和减轻乳腺钼靶癌症分类的标注偏移，开发了一种高准确性的癌症风险预测模型，并提出了基于单一图像生成模型的训练数据增强方法，以显著减轻标注偏移。同时，通过多个模型训练一种集成架构进一步提高性能。
PDFa month ago
Mammo-CLIP: 一种增强乳腺摄影数据效率与鲁棒性的视觉语言基础模型
本文提出了针对乳腺癌检测中计算机辅助诊断（CAD）的大型和多样化训练数据的不足问题，通过使用大规模图像文本数据集进行预训练，通过视觉 - 语言模型（如 CLIP）部分解决了计算机视觉中鲁棒性和数据效率的问题。我们首次提出了 Mammo-CL
PDF2 months ago
Mammo-CLIP：利用对比式语言 - 图像预训练（CLIP）对多视角乳腺摄影增强乳腺癌诊断
通过多视图乳房 X 光片和简单文本的多模态框架 Mammo-CLIP，本研究展示了应用微调视觉语言模型来开发下一代基于图像文本的乳腺癌 CAD 方案的潜力。
PDF2 months ago
TransReg：多视图乳腺 X 线检测中的交叉变换器作为自动注册模块
利用多视角乳房 X 光照片的信息，利用交互变换器建模同侧视图之间的关系来检测和预测乳房肿块，取得了令人满意的效果。
PDF8 months ago
采用卷积变分自编码器探测 ADMANI 乳腺钼靶数据集中的技术异常值
使用卷积变分自编码器技术检测 ADMANI 数据集中潜在异常值，以提高其作为人工智能算法检测乳腺癌的可靠性，并提出未来改进异常值检测的方向。
PDFa year ago
使用深度学习进行乳腺癌检测
本文旨在提供一种基于 CNN 和深度学习的乳腺癌检测模型，该模型通过重建微波成像扫描数据并使用多种不同的 CNN 架构进行特征提取和肿瘤检测，最终得出使用 NASNetLarge 模型的 CNN 模型具有较高准确率和较低损失的结论，为微波成
PDFa year ago
利用自监督深度学习增强乳腺癌筛查乳腺 X 线摄影的检测能力
本研究探讨了基于强数据扩充的无监督自我学习技术在人工智能应用中的重要作用，以乳腺癌检测为例，通过实验验证表明使用该技术可以大幅提高数据利用率，而且更容易迁移到其他数据集，是医学图像人工智能领域迈向无监督学习和去掉传统稀缺标签的重要突破。
PDF2 years ago