热点事件持续更新
研究对比不同维度残差网络用于肺结节恶性风险分类
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
2026年10月28日，arXiv发表了一项对比2D、2.5D与3D残差网络在肺结节恶性风险分类中表现的研究。该研究基于LIDC-IDRI数据集中的2,654个结节展开，结果显示，经数据增强后的2.5D残差网络综合表现最佳，其测试集Macro-F1达到0.6537、准确率达0.6869，二分类Macro-F1达到0.8664，各项指标均优于2D与3D网络。此外，研究还表明数据增强能够提升各类架构的Macro-F1表现，但测试的动量对比预训练方法反而导致了性能下降。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
研究显示数据增强后的2.5D残差网络在肺结节恶性风险分类上优于2D和3D网络。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习从切片到三维体积：对比用于肺结节恶性风险分类的 2D、2.5D 与 3D 残差网络
一项针对 LIDC-IDRI 数据集 2,654 个结节的研究显示，数据增强后的 2.5D 残差网络在肺结节恶性风险分类中表现最佳。该 2.5D 模型测试集 Macro-F1 达 0.6537、准确率 0.6869，二分类 Macro-F1 达 0.8664，均优于 2D 与 3D 网络。数据增强在各架构下均提升了 Macro-F1，而所测试的动量对比预训练反而使性能下降。
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。