PulseAugur
中
实时 02:18:36
English(EN) University of Michigan researchers have developed NeuroVFM, a neuroimaging foundation model trained on 5.24 million clinical MRI and CT volumes. The Vol-JEPA ap

密歇根大学发布 NeuroVFM 用于神经影像分析

作者 PulseAugur 编辑部 · [2 个来源] ·

密歇根大学的研究人员开发了 NeuroVFM，一个新颖的神经影像基础模型。该模型使用 Vol-JEPA 方法，在超过 5.24 百万份临床 MRI 和 CT 扫描上进行训练，NeuroVFM 从未经整理的医学数据中学习，无需放射报告标签。这种自监督方法在众多诊断任务中取得了高性能，并展示了在医学影像分析中生成报告、患者分诊和跨模态迁移等应用的潜力。 AI

影响 该模型可以显著提高医学影像分析的准确性和效率，可能带来更好的诊断和患者护理。

排序理由 Nature Medicine 发表的研究论文，详细介绍了一个新的神经影像基础模型。

在 Mastodon — fosstodon.org 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

密歇根大学发布 NeuroVFM 用于神经影像分析

报道来源 [2]

  1. MarkTechPost TIER_1 English(EN) · Asif Razzaq ·

    认识NeuroVFM：一款在未整理的临床MRI和CT影像上使用Vol-JEPA训练的新型神经影像基础模型

    <p>NeuroVFM is a generalist neuroimaging foundation model from the University of Michigan, trained on 5.24M clinical MRI and CT volumes. Its Vol-JEPA base extends I-JEPA and V-JEPA to volumetric medical imaging, learning brain anatomy and pathology without radiology-report labels…

  2. Mastodon — fosstodon.org TIER_1 English(EN) · [email protected] ·

    密歇根大学研究人员开发了 NeuroVFM，一个在 524 万份临床 MRI 和 CT 影像上训练的神经影像基础模型。Vol-JEPA ap

    University of Michigan researchers have developed NeuroVFM, a neuroimaging foundation model trained on 5.24 million clinical MRI and CT volumes. The Vol-JEPA approach learns brain anatomy and pathology without requiring radiology report labels, potentially improving medical imagi…

相关实体

相关话题