11:43
官方账号arXiv cs.LG@Adarsh Bhandary Panambur, Siming Bayer, Andreas Maier
推荐理由：这篇论文提出的DITL方法，在乳腺密度分类上全面超过现有方法，而且不用调参，效果好还省事，值得做医学影像的朋友看看。
病灶诊断
共 1 条相关 AI 资讯
7月29日
11:43
论文提出Dataset-Informed Transfer Learning（DITL）框架，整合数据集难度信号与邻域三元组监督。DITL包含自适应难度加权交叉熵（A-DWCE）和自适应邻域表示三元组（A-NR-Triplet），无需超参数调优。在VinDR-Mammo大规模数据集上，DITL在乳腺密度分类的准确率、F1-score和AUC上均取得显著提升（p<0.0001）。在小样本ROI数据集上也获得一致的统计显著增益（p<0.0001）。该方法连接小规模病灶分析与大规模密度估计，形成临床可推广的通用框架。