TAM-Chain:结合吸收马尔可夫链与香农熵的多尺度甲状腺细胞学分类框架
针对甲状腺细针穿刺活检在深度学习分类中面临的高假阴性率及临床域偏移下的过度自信问题,研究人员提出了 TAM-Chain 框架。该研究结合吸收马尔可夫链理论与基于香农熵的不确定性量化方法,在 10x、20x 和 40x 等多尺度下动态建模特征提取过程,旨在抑制假阴性漏诊并增强跨域适应能力,提升早期甲状腺癌病理诊断的可靠性。
针对甲状腺细针穿刺活检在深度学习分类中面临的高假阴性率及临床域偏移下的过度自信问题,研究人员提出了 TAM-Chain 框架。该研究结合吸收马尔可夫链理论与基于香农熵的不确定性量化方法,在 10x、20x 和 40x 等多尺度下动态建模特征提取过程,旨在抑制假阴性漏诊并增强跨域适应能力,提升早期甲状腺癌病理诊断的可靠性。