跳到正文
热点事件观察中

为什么基于机器学习的咳嗽模型无法泛化:面向结核病筛查的系统性跨数据集评估

1 篇报道1 个报道来源3 天前更新

先了解这件事

AI 综述

该预印本报告,基于咳嗽声的结核病筛查模型在跨数据集评估中泛化能力有限:外部验证的ROC-AUC常低于0.6。研究提示,此类模型在训练数据之外的人群与录音条件下筛查表现不佳,其筛查用途尚缺乏跨数据集证据支持。该结果来自对咳嗽录音的机器学习模型评估,尚未经同行评审,不能推广到其他疾病、其他生物标志物或临床诊断场景。

AI 根据报道生成 · 3 天前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. arXiv · Signal Processing
    为什么基于机器学习的咳嗽模型无法泛化:面向结核病筛查的系统性跨数据集评估

    基于咳嗽的结核病筛查模型跨数据集泛化失败,外部ROC-AUC常低于0.6。

本事件热度走势

当前热度 3·可比范围峰值 5(11月18日 14:00)·近 24 小时可比范围变化 -19%

024611月18日14:0011月19日13:0011月20日11:0011月21日10:00

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。

PsyBrain 脑心前沿

让每一位脑科学探索者,都不再独行。