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由于原始病理切片的图片尺寸十分庞大,绝大部分深度学习算法只能将每张病理切片剪切成大量尺寸小些的图块,比如图块之间的空间关系可以通过一种名为“条件随机场”的概率图模型来模拟。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)。