颅面CT切片六类解剖层面分类模型准确率达96.46%
热点事件持续更新
颅面CT切片六类解剖层面分类模型准确率达96.46%
1 篇报道1 个报道来源18 小时前更新
先了解这件事
AI 综述
Nishimoto 等研究者用 11,769 张颅面 CT 图像训练深度学习模型，将切片分为六个解剖类别，硬投票集成在评估集上达到 96.46% 准确率（Cohen's k = 0.954），单模型准确率介于 94.72% 至 96.09%。图像来自 10 所日本大学医院的多中心数据库及公开 Head-Neck-Radiomics-HN1 数据集，按 70% 训练、30% 评估划分。 集成相对 EfficientNetV2B1 的提升未达统计显著（McNemar's p = 0.163），作者称仍需外部验证。
AI 根据报道生成 · 46 分钟前更新
最新进展10月19日 08:00
基于深度学习的颅面 CT 切片解剖层面分类：CNN 架构与集成方法比较报道时间线
沿着报道，了解事件的不同侧面。
10月19日
- medRxiv 临床预印基于深度学习的颅面 CT 切片解剖层面分类：CNN 架构与集成方法比较
深度学习模型将颅面 CT 切片分类为六个解剖类别，硬投票集成达到 96.46% 准确率（Cohen's k = 0.954），单模型准确率介于 94.72% 至 96.09%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。