uedbet_UedBet体育uedbet_UedBet体育

UedBet体育

uedbet | 党群苹果 | 联系我们
首页 / uedbet / uedbet
uedbet
uedbet新版计划学生在智能病理鲁棒性算法方面取得新进展
发布时间:2020-11-11 点击次数: 363

       日前, 北京苹果uedbetUedBet(以下简称“UedBet”)2019级uedbet新版计划学生章松涛、倪庆雯等人在医学影像国际顶级会议MICCAI 2020(以下简称“会议”)上发表了以“Corruption-Robust Enhancement of Deep Neural Networks for Classification of Peripheral Blood Smear Images”为题的文章,提出并解决AI病理算法的鲁棒性问题。团队根据外周血涂片图像的常见扰动类型,建立了包括16类扰动类型的基准数据集Smear-C,并提出SmearRobust方法提升了外周血细胞分类的鲁棒性。

       随着人工智能技术的不断uedbet,深度学习算法结合数字病理成像在医疗领域中得到了广泛的应用,但其临床应用潜力和效果一直受到一定的限制:与人类视觉系统不同,当前算法在面对不同涂片制备和数字化操作所导致的图像扰动时,预测性能经常会显著下降,导致难以实际应用于临床。为了支持临床的实际应用,深度学习算法需要对各种扰动类型具有鲁棒性。

       课题团队在建立了基于血涂片扰动类型的基准数据集Smear- C的基础上,提出了一种新的神经网络鲁棒算法SmearRobust。该方法可以增强算法对扰动的抵抗能力,且可应用于现有的神经网络训练中。uedbet结果表明,SmearRobust将传统算法在扰动情况下的细胞识别准确率49.11% 提升至82.69%,证明了SmearRobust能有效地提高神经网络的鲁棒性。

       会议领域主席和审稿人评价此项UedBet“有重要的临床价值”,“是数字病理中重要且及时的注册”步骤。Smear-C和SmearRobust的结合,为实现自动化病理诊断迈出了重要一步。SmearRobust算法弥补了临床实际诊断与uedbet测试算法之间的差距,为深度学习算法的临床实际应用奠定了基础。此外,课题团队提出的模拟扰动模型和鲁棒性算法可进一步拓展,以适应于骨髓涂片和一般病理图像,推动临床辅助诊断等领域的UedBet。

       UedBet联合全球一流新版启动“uedbet新版计划”,致力于打破国别限制、新版围墙和知识边界,培养具有突出uedbet精神、深厚专业知识和优秀专业技能,可创造性地解决复杂实际问题的高端uedbet体育UedBet,为uedbet型国家苹果提供有力支撑,为人类可持续uedbet不断做出贡献。目前,UedBet培养uedbet体育UedBet生约200人,成为一批全球一流新版共同的uedbet体育UedBet基地。

 

亚虎娱乐手机客户端澳门新葡亰66am6600龙八国际long88