Explainable AI based hybrid DRM-Net transfer learning model for breast cancer detection and classification using ultrasound images
9.0
来源：
Nature
关键字：
neural coding
发布时间：
2025-12-19 23:43
摘要：
本研究提出了一种新的混合深度转移学习模型DRM-Net，用于乳腺癌的检测和分类。该模型结合了DenseNet169、ResNet50和MobileNet的优点，经过严格的实验验证，显示出96.71%的准确率，显著优于其他模型。研究强调了早期诊断的重要性，并通过可解释AI技术增强了模型的透明度，为临床决策提供支持。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0分
business_impact
1.0分
scientific_rigor
1.5分
timeliness_innovation
1.5分
investment_perspective
2.5分
market_value_relevance
1.0分
team_institution_background
0.5分
technical_barrier_competition
1.0分
关键证据
DRM-Net模型显示出96.71%的准确率，超越了其他转移学习模型。
研究中使用的图像预处理和增强技术显著提高了模型的性能。
通过使用可解释AI技术，增强了模型的透明度和临床可用性。
真实性检查
否
AI评分总结
本研究提出了一种新的混合深度转移学习模型DRM-Net，用于乳腺癌的检测和分类。该模型结合了DenseNet169、ResNet50和MobileNet的优点，经过严格的实验验证，显示出96.71%的准确率，显著优于其他模型。研究强调了早期诊断的重要性，并通过可解释AI技术增强了模型的透明度，为临床决策提供支持。