两阶段 3D ResNet 从 MRI 筛查新生儿脑病，AUC 达 0.919
Dr_Alex_Crimi · x · 2026-10-30
研究者发表在 Frontiers in Neuroimaging 的论文提出一个模仿临床推理的分层两阶段深度学习管线，用 T1/T2 配对新生儿脑部 MRI 区分髓鞘化延迟、缺氧缺血性脑病（HIE）和脑积水。
- Stage 1（脑龄差距筛查）：3D ResNet-18 回归预测脑龄，R² 达 0.941；以「预测脑龄 − 实际年龄」超阈值判定髓鞘化延迟（早产典型模式）。
- Stage 2（结构病理分类）：第二个 3D ResNet-18 做正常/HIE/脑积水三分类，AUC 0.919 ± 0.024。
- 数据集含 566 例正常、56 例 HIE、38 例脑积水、27 例早产，另有早产合并病例。
- 论文、模型与代码均已开源发布。
所属事件:两阶段深度学习从新生儿 MRI 筛查脑病(2 条相关)→
「研究」频道最新
- 高斯头替代扩散层:仅用 0.02% 数据让机器人策略推理快至 2 倍 — francoisfleuret · 2026-10-30
- 西北大学Hullman：验证不等于知识，AI科学产出需有人能负责 — JessicaHullman · 2026-10-30
- Humansand 发布 &Tutor：先建「学习者模型」再训教学模型 — techNmak · 2026-10-30
- CATT 基准揭示归因方法为何追溯不到模型的训练数据 — cindy_x_wu · 2026-10-30
- Soham 发布个性化癌症疫苗制造平台，将生产 100+ 种 mRNA 疫苗 — jajoosam · 2026-10-30
- 实测：低温贪心解码让模型编程更笨，温度 1.0 比 0 高 12.7 个百分点 — Brief-Tap-6616 · 2026-10-30