cervical cancer | BriefGPT - AI 论文速递

关键词cervical cancer

搜索结果 - 7

子宫颈癌筛查的可解释乳房细胞表示
通过使用变分自编码器进行单类分类，本研究提出了一种学习解释性深度宫颈细胞表示的方法，以实现宫颈细胞异常的评分和定位，结果表明该方法能够在不使用异常样本进行模型训练的情况下，实现异常细胞的区分和解释。
PDF21 days ago
基于病理学和阴道镜图像的宫颈癌诊断的深度学习技术
深度学习在宫颈癌筛查和诊断方面展示了显著的效率提升和速度增加，有望帮助我们实现早期诊断，挽救生命。
PDFa month ago
基于多聚特征的领域适应方法在宫颈癌剂量映射预测中的应用
利用 Transformer-based polymerized feature 模块进行颈部癌症的剂量分布预测，通过领域适应性方法将从直肠癌学到的丰富知识转化应用于颈部癌症，以提高预测性能。实验结果表明，该方法优于现有方法。
PDF4 months ago
一种用于宫颈细胞学分类的投票 - 叠加集成 Inception 网络
通过使用投票集成策略将三个 Inception 网络作为基学习器并通过投票集成集成它们的输出，结合了元学习器和多级集成框架的方法，在 SIPakMed、Herlev 和 Mendeley 数据集上实现了 100%、100% 和 100% 的
PDF4 months ago
基于多头膨胀编码器的深度学习框架，用于多参数磁共振成像增强子宫颈癌分割
本文提出了一种新的多头框架，使用扩张卷积和共享残差连接来对多参数 MRI 图像进行分开编码，以及进行了一系列架构实验来评估基于多参数输入信道和特征编码配置的肿瘤分割性能。
PDF6 months ago
从异构和部分标记的图像数据集中开发深入子宫颈模型
为了解决宫颈图像分类模型开发中的挑战，本研究提出了一种基于自我监督学习的方法来产生一个预训练宫颈模型，并利用不同来源的未标记和 / 或标记图像来开发特定标准的宫颈图像分类模型，证明了该方法的有效性和联邦自我监督学习可以提高性能。
PDF2 years ago
ICLR基于 CNN 的整张组织病理学图像宫颈癌分类方法
该研究通过 VGG16-CNN 分类方法对 TCGA 数据平台中的子宫颈组织数字切片进行分类，准确率为 98.26%，F1 分数为 97.9%，这证实了迁移学习在该弱监督任务上的潜力。
PDF4 years ago