热点事件持续更新
双尺度机器学习框架检测蕈样肉芽肿
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026-10-01 arXiv 报道一种用于蕈样肉芽肿检测的双尺度机器学习框架，结合 10x 与 20x 放大倍率的 CNN 图像分析与随机森林临床特征进行晚期融合。在 6,267 张图像（4,306 例 MF、1,961 例 Non-MF、463 名患者）上，图像模型准确率达 83.58%、灵敏度 89.13%，临床随机森林模型准确率达 96.6%、灵敏度 93.8%。框架包含早期筛查与分期两个临床目标。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Computer VisionDetail in Context：一种用于蕈样肉芽肿检测的双尺度机器学习框架
该研究提出结合双放大倍率（10x 和 20x）CNN 图像分析与随机森林临床特征的晚期融合框架，用于自动检测蕈样肉芽肿。在 6,267 张图像（4,306 例 MF；1,961 例 Non-MF，463 名患者）上，图像模型准确率达 83.58%、灵敏度 89.13%，临床随机森林模型准确率达 96.6%、灵敏度 93.8%。框架包含早期筛查与分期两个临床目标。
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。