LLM 和 RL 在新的 RADIANT-PET 框架中增强 PET/CT 病灶分割

研究人员开发了 RADIANT-PET，一个用于改进肿瘤学 PET/CT 扫描中病灶分割的新框架。该系统将一个体素级分割模型与一个大型语言模型 (LLM) 集成，用于病灶级别的裁决。候选摄取区域被文本化描述，然后由 LLM 分类为真实病灶或假阳性，并可选择整合放射学报告以提高准确性。通过使用 Group Relative Policy Optimization 的强化学习进一步优化 LLM 的推理能力，旨在改进病灶分类和解剖部位分配。 AI

影响 该框架通过利用 LLM 对医学扫描进行更细致的解释，有望显著提高癌症检测和治疗计划的准确性。

排序理由 该集群描述了一篇详细介绍用于医学图像分析的新型 AI 框架的研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• AutoPET
• Group Relative Policy Optimization
• large-language models
• PET-CT
• RADIANT-PET
• reinforcement learning

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →