跳到正文
热点事件持续更新

可解释深度学习方法 dLI-RADS 用于多期 CT 肝癌早期诊断

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

研究提出可解释 AI 方法 dLI-RADS，结合神经网络与 LI-RADS 特征量化测量，利用多期 CT 图像估算肝细胞癌概率。 在多中心回顾性研究中，dLI-RADS 在内部评估集病变级准确率非劣效于 LI-RADS，准确率为 80%，LI-RADS 为 74%，排除了大于 40 mm 的病灶。 该研究已被 Scientific Reports 接收。

AI 根据报道生成 · 13 小时前更新

最新进展10月22日 12:00
可解释深度学习方法 dLI-RADS 用于多期 CT 肝癌早期诊断

报道时间线

沿着报道，了解事件的不同侧面。

10月22日
  1. arXiv · AI
    可解释深度学习方法 dLI-RADS 用于多期 CT 肝癌早期诊断

    研究提出可解释 AI 方法 dLI-RADS，结合神经网络与 LI-RADS 特征量化测量，利用多期 CT 图像估算肝细胞癌概率。 在多中心回顾性研究中，dLI-RADS 在内部评估集病变级准确率非劣效于 LI-RADS，准确率为 80%（LI-RADS 为 74%），排除了大于 40 mm 的病灶。 该研究已被 Scientific Reports 接收。

本事件热度走势

可比范围当前
7
可比范围峰值
910月22日 15:00
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。