研究提出放射组学甲状腺结节分类框架
热点事件观察中
研究提出放射组学甲状腺结节分类框架
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
一项预印本研究提出结合 PyRadiomics 特征提取与广义可加模型（GAM）分类器的影像组学框架，用于甲状腺结节的恶性评估。作者 Laura Testa 等称，GAM 是在六个候选模型中选出的，兼顾区分性能与可解释性。 在 TN5000 超声数据集上，经 Spearman 相关过滤后保留 36 个特征，该模型在验证集取得 AUC 0.89、敏感度 0.83、特异度 0.82。该研究还引入标签条件保形预测。上述结果来自作者自报，尚未经同行评审或外部验证。
AI 根据报道生成 · 1 天前更新
最新进展10月12日 12:00
基于影像组学的甲状腺结节分类：带标签条件保形预测的 GAM 框架报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv cs.CV基于影像组学的甲状腺结节分类：带标签条件保形预测的 GAM 框架
研究提出结合 PyRadiomics 特征提取与 GAM 分类器的影像组学框架，用于甲状腺结节恶性评估。在 TN5000 超声数据集上，经 Spearman 相关过滤保留 36 个特征，GAM 在验证集取得 AUC 0.89、敏感度 0.83、特异度 0.82。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月12日 13:00
- 近 24 小时变化
- -51%
02.557.510
18:0010月13日06:0012:00
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。