AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-17
一种用于肺癌和结肠癌检测的可解释分层深度学习框架
原标题: An interpretable hierarchical deep learning framework for lung and colon cancer detection
由于各类别外观相似且组织形态多变，从组织病理图像中对肺癌和结肠癌进行分类十分困难，而传统深度学习模型几乎不具备透明度。作者将五分类任务拆分为由粗到细的多个阶段：先区分正常与癌症，再针对正常组织类别或癌症亚型使用专门的分类器，并为每个阶段选择最佳架构。该框架在 LC25000 数据集上达到 98.50% 的准确率，在独立的 LungHist700 数据集上达到 82.01%，并使用 Grad-CAM、Grad-CAM++、LIME 和 Occlusion Sensitivity 突出显示其预测所依据的图像区域。