CNN-ViT 模型卒中分类多中心外部验证表现不佳
热点事件观察中
CNN-ViT 模型卒中分类多中心外部验证表现不佳
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
CNN-ViT 交叉注意力融合模型在内部卒中数据集测试中取得 95.48% 的 F1 分数。但在多中心外部验证中，模型 F1 分数显著下降至 58% 至 62% 区间，显示内部高分可能受硬件噪声干扰。 该模型在外部验证中缺血性卒中敏感性仅 57%，存在易误诊为出血性卒中的风险。研究显示，采用 DenseNet201+ViT 骨干且使用多随机种子的方案方差最低（0.59），稳定性最高。 研究指出当前架构存在内部验证假象问题，未来需结合 3D 体积提取与临床数据的多模态架构，以解决模型在外部泛化能力不足的问题。
AI 根据报道生成 · 48 分钟前更新
最新进展10月27日 12:00
CNN-ViT 交叉注意力融合模型在急性卒中分类中的多中心外部验证报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv · AICNN-ViT 交叉注意力融合模型在急性卒中分类中的多中心外部验证
该 CNN-ViT 模型在内部卒中数据集上取得 95.48% 的 F1 分数，多中心外部验证 F1 分数下降至 58%-62% 区间。 内部高分受硬件噪声干扰，模型缺血性卒中敏感性仅 57%，易误诊为出血性卒中；DenseNet201+ViT 骨干多随机种子方差最低（0.59），稳定性最高。 研究强调未来需结合 3D 体积提取与临床数据的多模态架构，以解决内部验证假象问题。
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。