研究者提出可解释AI方法dLI-RADS辅助CT诊断肝癌
热点事件持续更新
研究者提出可解释AI方法dLI-RADS辅助CT诊断肝癌
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
Emma Sarfati 等研究者发布论文，提出可解释 AI 方法 dLI-RADS，从手工分割的多期 CT 肝脏病灶图像估计肝细胞癌概率，并结合反映 LI-RADS 主要影像特征的定量测量与 logistic 回归。 多中心回顾性研究显示，dLI-RADS 在内部评估集病灶级准确率达 80%，优于 LI-RADS 的 74%，非劣性检验显著（p = 0.04）。研究以组织学作为肝细胞癌的参考标准，非肝细胞癌病灶采用复合参考标准，且排除了大于 40 mm 的病灶。
AI 根据报道生成 · 2 小时前更新
最新进展10月23日 12:00
可解释深度学习方法 dLI-RADS 用于多期 CT 早期肝细胞癌诊断报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv cs.AI可解释深度学习方法 dLI-RADS 用于多期 CT 早期肝细胞癌诊断
研究人员提出可解释 AI 方法 dLI-RADS，从手工分割的多期 CT 肝脏病灶图像估计肝细胞癌概率，并结合反映 LI-RADS 主要影像特征的定量测量与 logistic 回归。多中心回顾性研究显示，dLI-RADS 在内部评估集病灶级准确率达 80%，优于 LI-RADS 的 74%，非劣性检验显著（p = 0.04），病灶大于 40 mm 者被排除。
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。