breast cancer screening | BriefGPT

关键词breast cancer screening

搜索结果 - 8

基于分布的低秩嵌入
利用红外热成像技术结合计算热力学方法进行早期乳腺癌检测，其中应用了 James-Stein 特征向量和 Weibull 嵌入方法，结果表明 Weibull 嵌入方法具有最佳分类准确率，为 81.7%。
PDF6 months ago
利用 Transformer 改进多模态和纵向数据的乳腺癌分类和风险评估
通过多模态变压器（MMT）神经网络，综合使用乳腺 X 光摄影和超声波，针对目前患癌患者和目前无癌患者，识别患者及估计未来胸部癌症风险的研究表明，MMT 在检测现有癌症方面取得了 AUROC 值为 0.943 的成绩，并超过了单模态基线，对于
PDF8 months ago
鲁棒的全面乳腺 X 线图片分类的双视角相关混合注意力网络
本文提出了一种双视图相关混合注意力网络（DCHA-Net），可用于强健的乳腺 X 线分类，利用局部关系和非局部注意块来最大化两个视图之间的基础相关性，通过为相应的条带状区域引入双视图相似度最大化的损失来提高该网络性能。
PDFa year ago
深度学习乳腺癌筛查交互解释性系统
该论文提出了一种交互式系统，通过利用最先进的可解释性技术与深度学习模型，帮助放射科医生在乳腺癌筛查中理解模型决策的过程，并且利用用户交互逐步提供更细致的可解释性报告，从而促进医学 AI 的采纳。
PDF2 years ago
VinDr-Mammo：全数字乳腺 X 线摄影计算机辅助诊断的大规模基准数据集
VinDr-Mammo 数据集被介绍成一个用于检测和诊断乳腺癌和其他疾病的基准数据集，旨在促进开发用于乳腺癌筛查的计算机辅助检测和诊断工具的进步，该数据集共包含 5000 个乳腺 X 射线检查的四个标准视图，用于评估乳腺成像报告和数据系统的
PDF2 years ago
利用弱监督定位的可解释分类器，用于高分辨率乳腺癌筛查图像
本研究将全局感知多实例分类器应用于医学图像分析中，该模型可以通过图像级标签训练，生成可能恶性发现的像素级显著性图，并应用于乳腺癌筛查，在性能和速度方面胜过了 ResNet-34 和 Faster R-CNN 模型。
PDF4 years ago
使用深度卷积神经网络进行乳腺密度分类
通过探索超过 200,000 例乳腺癌筛查检查的数据集，使用强卷积神经网络分类器对乳腺密度分类这一问题进行训练和验证，并在读者研究中发现该模型可以与人类专家相媲美。
PDF7 years ago
多视角深度卷积神经网络实现高分辨率乳腺癌筛查
本文提出了使用多视角深度卷积神经网络处理高分辨率医学影像的方法，通过在大规模乳腺 X 线片筛查中测试，结果表明训练集大小和图像大小对准确预测的影响，模型的性能与放射学家委员会相当。
PDF7 years ago