研究人员开发了一个名为PU-DPO的新框架，以解决用于生成放射学报告的视觉语言模型（VLMs）中的遗漏噪声问题。标准的训练方法常常导致这些模型报告不足，因为临床报告本身有时会遗漏细微的细节。PU-DPO使用正负样本混合学习重新构建目标，将缺席的提及视为未标记而非负面，并通过编辑过的模型响应来构建偏好监督。实验表明，这种方法在检测和恢复各种病理学中的发现方面取得了持续的改进。 AI
影响 这项研究可能带来更准确、更可靠的AI生成放射学报告，从而提高诊断能力。
排序理由 该集群包含一篇详细介绍改进AI模型性能新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- chest radiograph
- DagsHub
- Hugging Face
- Positive-unlabeled learning for disease gene identification
- PU-DPO
- vision-language model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
