研究者提出DNAm数据OOD检测框架提升肿瘤分类鲁棒性
热点事件持续更新
研究者提出DNAm数据OOD检测框架提升肿瘤分类鲁棒性
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Md Zahangir Alom 等研究者提出面向 DNA 甲基化（DNAm）芯片数据的端到端深度表征学习 OOD 检测框架，目的是防止肿瘤分类器对训练分布外的肿瘤类型产生误判。 研究者评估了不同方法，称其中 1D-SSA 效果最好；在独立临床测试集上，该方法取得平均 AUROC 0.976、DE 0.032、FPR@95TPR 0.065、TNR@95TPR 0.935。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
基于 DNA 甲基化数据的深度表征学习 OOD 检测提升临床分类器鲁棒性报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv cs.AI基于 DNA 甲基化数据的深度表征学习 OOD 检测提升临床分类器鲁棒性
研究者提出面向 DNA 甲基化（DNAm）芯片数据的端到端深度表征学习 OOD 检测框架，用于防止肿瘤分类器对训练分布外肿瘤类型产生误判。
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。