乳腺癌转移诊断人机协作研究数据
热点事件持续更新
乳腺癌转移诊断人机协作研究数据
1 篇报道1 个报道来源1 小时前更新
先了解这件事
AI 综述
annetgriffin 分享2016年论文《Deep Learning for Identifying Metastatic Breast Cancer》的对比数据：深度学习预测与病理医生诊断结合后，乳腺癌转移分类AUC由AI系统单独的0.925升至0.995，论文报告人类错误率约降低85%。 独立病理医生在分类任务上的AUC为0.966，肿瘤定位AUC为0.733，均高于当时AI单看对应任务的表现，说明人机协作是该研究的主要结论。
AI 根据报道生成 · 1 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28日
- AGI Hunt2016 年《Deep Learning for Identifying Metastatic Breast Cancer》研究：病理医生结合 AI 后，乳腺癌转移诊断 AUC 升至 0.995
2016 年论文《Deep Learning for Identifying Metastatic Breast Cancer》显示，将深度学习预测与病理医生诊断结合后，乳腺癌转移分类 AUC 从 AI 系统的 0.925 提升至 0.995，人类错误率约降低 85%。独立病理医生分类 AUC 为 0.966、肿瘤定位为 0.733，单看两项任务均优于当时的 AI。
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。