在公开数据集 Camelyon 16大赛测试集上,该算法的肿瘤定位 FROC 分数达到0.8096,超过专业病理医生水平以及由哈佛和麻省理工学院联合团队所保持的最好成绩因此,详尽的阅读病理切片,且不漏掉任何一处具有临床价值的病灶,如同大海捞针,是一项十分复杂和耗时的任务整套算法框架可以在 GPU 上进行端到端的训练,而不需任何后处理的步骤(如图所示)。由于考虑到了相邻图块之间的空间关系,该算法让假阳性得以大大降低,算法预测的肿瘤区域也更加平滑(如图四所示分数,不仅显著超越了专业的病理医生水平(0.7240),也超过了之前大赛的最好成绩(0.8074)。