.png){kind=icon}
返回
MTLCS: A cervical auxiliary classification strategy based on multi-task learning
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-025-02165-4.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
宫颈癌是女性生殖系统中最常见的恶性肿瘤，严重威胁患者生命和健康。其造成的生殖系统损伤是育龄期女性不孕的重要诱因。基于深度学习的病理图像智能分析技术为提高早期诊断准确性提供了新途径。然而，传统残差结构中的跳跃连接机制易导致特征稀释，造成病理图像中关键空间细节的丢失，严重影响细胞核形态学特征的定量精度；网络层深化的感受野扩展会导致微小病灶边界模糊，这对早期癌变区域的精确定位尤为不利。为解决上述挑战，本研究提出一种基于多任务学习的宫颈癌辅助诊断方法（MTLCS），其核心创新包括：(1) 构建多任务协同架构，通过联合分割-分类优化实现特征复用以提高效率，并通过参数共享减少计算量；(2) 构建特征重组模块，通过打乱与重组增强特征间的交互；(3) 构建双池化模块，通过融合最大池化和平均池化更好地提取细节信息。宫颈癌实验表明，MTLCS在细胞核分割任务中达到DSC系数81.3%和分类准确率97.9%。该系统为临床病理诊断提供了可靠智能的辅助工具，对于改善患者预后和保护生殖功能具有重要临床价值。
Keyword:
Female fertility
Cervical cancer
Multi-task learning
Assisted classification
Feature reuse
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.1K
被引数:
6.6K
机构
引用论文
.png){kind=icon}
Deep Multi-Magnification Similarity Learning for Histopathological Image Classification用于组织病理学图像分类的深度多放大相似性学习
OAAI
OAAI分享收藏Artificial intelligence for decision support systems in the field of operations research: review and future scope of research运筹学领域中用于决策支持系统的人工智能: 研究的回顾和未来的范围
PREAI
分享收藏Optimization of edge server group collaboration architecture strategy in IoT smart cities application物联网智慧城市应用中边缘服务器组协同架构策略优化
PREAI
分享收藏Development of a deep learning-based model to evaluate changes during radiotherapy using cervical cancer digital pathology基于深度学习的模型开发，用于利用子宫颈癌数字病理评估放射治疗过程中的变化
PREAI
分享收藏
查看更多内容