近日，由公司资助的科研团队所撰写的论文获爱思唯尔（ELSEVIER）旗下Ultrasonics（超声）期刊发表，论文题目为《一种用于甲状腺和乳腺结节良恶性分类的通用深度学习框架》。与之相关的研究旨在开发一种自动化方案，该方案使用深度卷积神经网络（DCNN）对超声图像中的甲状腺和乳房病变进行分类，研究人员提出了具有传递学习和相同架构参数设置的通用DCNN架构，分别训练甲状腺和乳腺癌（TNet和BNet）模型，并使用从临床实践中收集的超声图像测试这种通用方法的可行性。
荷兰爱思唯尔（Elsevier）出版集团是全球最大的科技与医学文献出版发行商之一，已有多年的历史。Ultrasonics（CiteScore:5.9，影响因子IF:3.）是具有高影响力的国际期刊，并且是国际上唯一一份涵盖超声研究、技术及其众多应用领域的期刊。
什维新智以国际化视野构建产学研一体化平台，以自主研发技术体系为根基，公司在人工智能深度学习、图像识别、核心算法与分析等技术领域不断取得突破，研发出高质量的超声影像智能分析与辅助诊断系统。相对开源算法，公司自主研发的核心算法具有更高的运算效率和准确率，且具有可持续优化的空间。论文的发表是公司在“超声+AI”领域研究成果的部分体现，也昭示着公司产品的核心框架已跻身世界前列。
预览时标签不可点收录于话题#个上一篇下一篇