来自因诺波利斯大学、圣彼得堡国立电子技术大学（LETI）和贾达普大学的研究团队开发了一种人工智能模型，能够以高可靠性检测乳腺癌。与传统方法不同，研究人员将两种紧凑型神经网络——SqueezeNet和ShuffleNet——相结合。通过相互门控机制，这些模型交换数据，识别组织图像中的关键疾病特征，并过滤掉无关信息。
该模型在国际组织病理学图像数据集上进行了测试。在识别正常组织、良性肿瘤以及不同阶段的癌症时，其准确率达到97%。恶性肿瘤检测的准确率达到99%，而在一个100倍放大倍率的参考数据集上，该模型的准确率高达99.72%。
作者认为，这种架构可能有助于那些无法获得昂贵医疗技术的地区医院和基层医疗机构。