Un modelo ligero de aprendizaje automático para la identificación de tumores estromales gastrointestinales de alta precisión
Autores: Sun, Xin; Mo, Xiwen; Shi, Jing; Zhou, Xinran; Niu, Yanqing; Zhang, Xiao-Dong; Li, Man; Li, Yonghui
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Un modelo ligero de aprendizaje automático para la identificación de tumores estromales gastrointestinales de alta precisión
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Tumores del estroma gastrointestinal
GISTs
EUS
Modelo de red neuronal convolucional
Clasificación
Leiomiomas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 28
Citaciones: Sin citaciones
Los resultados sugieren que, en lugar de utilizar modelos profundos desarrollados con ajustes finos, los modelos ligeros con sus diseños más simples pueden captar la esencia y eliminar el ruido de motas. Un modelo ligero como hipótesis con menos parámetros de modelo es preferible a un modelo más profundo con 10 veces los parámetros del modelo según la afirmación de la navaja de Occam.
Descripción
Los resultados sugieren que, en lugar de utilizar modelos profundos desarrollados con ajustes finos, los modelos ligeros con sus diseños más simples pueden captar la esencia y eliminar el ruido de motas. Un modelo ligero como hipótesis con menos parámetros de modelo es preferible a un modelo más profundo con 10 veces los parámetros del modelo según la afirmación de la navaja de Occam.