跳到正文
热点事件持续更新

多中心病理基础模型实现巴雷特食管异型增生分级

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,arXiv平台发布一项多中心病理基础模型研究报告,针对巴雷特食管异型增生进行分级。 研究基于病理基础模型与多实例学习,在四项机构数据上验证了方法有效性,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98%,特异性81%。

AI 根据报道生成 · 16 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · AI
    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

    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。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月20日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。