可解释AI法提升早期肝癌CT诊断准确率
热点事件持续更新
可解释AI法提升早期肝癌CT诊断准确率
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
研究者提出 dLI-RADS，一种从多期 CT 图像估计肝细胞癌概率的可解释 AI 方法：将神经网络预测与反映 LI-RADS 主要特征的定量影像测量结合，再经逻辑回归整合。 在多中心回顾性研究中，该方法的病灶级准确率为 80%，高于 LI-RADS 的 74%（p = 0.04），非劣效性检验通过。研究针对手动分割的肝脏病灶，结论来自回顾性数据。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
dLI-RADS：基于多期 CT 的可解释深度学习肝细胞癌早期诊断方法报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AIdLI-RADS：基于多期 CT 的可解释深度学习肝细胞癌早期诊断方法
研究者提出 dLI-RADS，一种从多期 CT 图像估计肝细胞癌概率的可解释 AI 方法，将神经网络预测与反映 LI-RADS 主要特征的定量影像测量结合，经逻辑回归整合。在多中心回顾性研究中，其病灶级准确率 80%，优于 LI-RADS 的 74%（p = 0.04），非劣效性检验通过。
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。