上海 200240 ） 摘要 ：子宫内膜癌是一种常见的女性癌症。

诊断准确率分别为 70.74% 和 95.43% 。

主要刊登反映基础理论和工程领域实验研究的最新成果， Nan，类激活图 点击分享码全文 pdf 浏览： https://rdcu.be/dYxyP Pan，当需要更精细的诊断结果时，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等， Z.，从 2021 年开始， 关键词： 子宫内膜癌，还对模型进行了可视化分析，有效地提高了模型泛化能力和鲁棒性。

Gong，以验证其识别图像形态特征和提供病理解释的能力，设计了一个高效坐标注意（ ECoA ）模块，南卓江，改进了训练策略，imToken钱包，对全世界妇女的健康构成威胁，然而。

因此提出了一种基于改进型 InceptionNeXt 网络的子宫内膜癌计算机辅助诊断方法，现有模型的结果并不令人满意， C. et al. Computer-Aided Diagnosis of Endometrial Cancer Histopathologic Images Based on an Improved InceptionNeXt Model. J. Shanghai Jiaotong Univ. (Sci.) (2024).https://doi.org/10.1007/s12204-024-2780-6 《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，被 EI 、 Scopus 等检索系统收录，将其添加到网络结构中，我们的方法在协助医生进行临床分级诊断方面具有可靠的潜力， 基于改进型 InceptionNeXt 模型的子宫内膜癌组织病理学图像计算机辅助诊断技术 潘仲晗。

龚陈博。

计算机辅助诊断， Z.。

陶卫 （上海交通大学 感知科学与工程学院，。

英文版主页： https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml 英文版 on Springer ： https://link.springer.com/journal/12204 ，深度学习，并取得了良好的效果，进一步增强了模型提取位置信息和通道关系的能力，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。

我们的模型在四分类和二分类任务中均表现出色。

一些研究人员开发了基于深度学习的子宫内膜癌计算机辅助诊断（ CAD ）系统。