热点事件持续更新

研究团队提出乳腺超声多模态分类框架

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

研究团队构建了病理确诊的 FAPT-M 多模态数据集，包含 910 名患者的超声图像、结构化临床属性和超声诊断描述，并提出临床引导的多模态框架，融合 DenseNet 视觉编码、CLIP 式文本编码与轻量临床编码，用于乳腺纤维腺瘤与叶状肿瘤的细粒度分类。在患者级五折交叉验证下，该方法取得 77.64% 准确率、73.38% F1 和 89.74% AUC，优于 CNN、Transformer 及视觉语言基线。

AI 根据报道生成 · 4 小时前更新

最新进展10月12日 12:00

多模态融合实现乳腺纤维腺瘤与叶状肿瘤的细粒度分类

报道时间线

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.CV
多模态融合实现乳腺纤维腺瘤与叶状肿瘤的细粒度分类
研究团队构建了病理确诊的 FAPT-M 多模态数据集，包含 910 名患者的超声图像、结构化临床属性和超声诊断描述，并提出临床引导的多模态框架，融合 DenseNet 视觉编码、CLIP 式文本编码与轻量临床编码。在患者级五折交叉验证下，该方法取得 77.64% 准确率、73.38% F1 和 89.74% AUC，优于 CNN、Transformer 及视觉语言基线。

本事件热度走势

可比范围当前: 9
可比范围峰值: 1010月12日 13:00
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。