arXiv · AI· Amirali Khosravi, Jaidip M. Jagtap, D. Chamil Codipilly, Catherine E. Hagen, Jason T. Lewis, Rickey E. Carter, Shahriar Faghani, Vani J. A. Konda, Fouad Otaki, Shajan Peter, Nicholas Shaheen, Sachin Wani, Prasad G. Iyer, Bradley J. Erickson·· 17 小时前AI 评分27
多中心病理基础模型与多实例学习实现巴雷特食管异型增生分级
Multi-institutional grading of Barrett's esophagus dysplasia without stain normalization using a pathology foundation model and multiple instance learning
AI 导读
基于病理基础模型与多实例学习的方法在四项机构数据上实现了巴雷特食管异型增生分级,无需染色归一化。 在130例留出测试集中,宏平均AUC达0.96,二元异型增生检测敏感性为98%,特异性为81%。 该方法消除了既往系统对机构特定预处理的依赖,跨机构性能保持一致。
来源:arXiv · AI · arxiv.org