摘要由 AI 生成
一项针对儿科肺炎分类的跨数据集深度学习研究评估了来自广州、孟加拉国和越南三个国家影像数据的性能。研究团队利用 5,824 张广州放射影像进行内部测试，模型在源数据上的 AUROC 达 0.976，灵敏度为 95.1%。然而，在零样本迁移至孟加拉国 BDCXR（3,257 例）和越南 VinDr-PCXR/PediCXR（1,077 例）数据集后，性能显著下降：AUROC 分别降至 0.798 和 0.742，固定阈值下的灵敏度跌至 6.2% 和 0%，出现严重的操作点失效。针对孟加拉国数据进行的有限标签恢复实验显示，使用 163 个标签进行 Platt 重校准虽能将灵敏度提升至 88.3%，但特异性仅为 47.9%，且重复拟合证实了灵敏度恢复伴随特异性的显著波动。研究揭示了跨国数据在判别力、校准度及操作点上的…
关键实体KEY ENTITIES
BDCXRBangladeshDenseNet121GuangzhouVietnamVinDr-PCXR/PediCXR
报道态势 · 每日报道量LANGUAGE SPLIT
实体关系
整合时间线UNIFIED TIMELINE
-
2026-09-04
Cross-dataset transportability of pedia…
一项针对儿科肺炎分类的跨数据集深度学习研究，评估了来自三个国家的数据集间的判别力、校准度及操作点失效问题。研究团队使用 5,824 张广州放射影像进行内部测试，并在零样本模式下对孟加拉国 BDCXR（3,257 例）和越南 VinDr-P…
-
2026-09-07
Cross-dataset transportability of pedia…
一项针对儿科肺炎分类的跨数据集深度学习研究评估了来自三个国家的影像数据。研究人员在去除重复后，使用 5,824 张广州放射影像进行源开发及内部测试，并将冻结的 DenseNet121 双视图集成模型零样本应用于孟加拉国 BDCXR（3,2…
信号强度SIGNALS
关键词热度
- DenseNet1211
- BDCXR1
- VinDr-PCXR/PediCXR1
- Guangzhou1
- Bangladesh1
- Vietnam1
全部报道（2）SOURCES
↗
一项针对儿科肺炎分类的跨数据集深度学习研究，评估了来自三个国家的数据集间的判别力、校准度及操作点失效问题。研究团队使用 5,824 张广州放射影像进行内部测试，并在零样本模式下对孟加拉国 BDCXR（3,257 例）和越南 VinDr-PCXR/PediCXR（1,077 例）数据集进行了评估。结果显示，内部 AUROC 为 0.976，但在跨数据集迁移后，BDCXR 和 VinDr-PCXR 的 AUROC 分别降至 0.798 和 0.742，冻结阈值下的灵敏度跌至 6.2% 和 0%。针对 BDCXR 数据，使用 163、326 或 651 个标签进行有限标签恢复时，Platt 重校准虽能保留 AUROC 并将灵敏度提升至 88.3%，但特异性仅为 47.9%，且重复拟合确认了灵敏度恢复的同时存在显著的…
↗
一项针对儿科肺炎分类的跨数据集深度学习研究评估了来自三个国家的影像数据。研究人员在去除重复后，使用 5,824 张广州放射影像进行源开发及内部测试，并将冻结的 DenseNet121 双视图集成模型零样本应用于孟加拉国 BDCXR（3,257 例）和越南 VinDr-PCXR/PediCXR（1,077 例）数据集。结果显示，内部 AUROC 为 0.976，灵敏度达 95.1%；而在跨数据集测试中，AUROC 分别降至 0.798 和 0.742，固定阈值下的灵敏度跌至 6.2% 和 0%。针对源数据 BDCXR 的少量标签恢复实验表明，使用 163 个标签进行 Platt 重校准虽能提升灵敏度至 88.3%，但特异性仅为 47.9%，且重复拟合确认了灵敏度的恢复伴随特异性的显著波动。研究结论指出，跨国数据…