本研究解决了口腔鳞状细胞癌(oscc)诊断性能不足的问题,通过使用深度学习模型和lime可解释性技术进行分析。研究发现,efficientnetb3模型在准确率达到98.33%及f1得分为0.9844的情况下,显著提升了诊断能力,并为临床应用奠定了基础。
本研究利用深度学习模型和lime技术,提高了口腔鳞状细胞癌的诊断能力。efficientnetb3模型的准确率达到98.33%,f1得分为0.9844,为临床应用提供了基础。
本研究解决了口腔鳞状细胞癌(oscc)诊断性能不足的问题,通过使用深度学习模型和lime可解释性技术进行分析。研究发现,efficientnetb3模型在准确率达到98.33%及f1得分为0.9844的情况下,显著提升了诊断能力,并为临床应用奠定了基础。
本研究利用深度学习模型和lime技术,提高了口腔鳞状细胞癌的诊断能力。efficientnetb3模型的准确率达到98.33%,f1得分为0.9844,为临床应用提供了基础。