研究人员评估了三种视觉语言模型（VLM）在不同机构准确识别胸部X光片（chest radiographs）病灶的能力。研究发现，现有的VLM缺乏置信度分数，导致接收机构难以衡量单个预测的可靠性。在跨三个语料库和六种病灶的超过345,000次预测中进行测试时，即使有少量本地标签用于估算，模型的性能也因地点和接口而异，这表明需要进行特定地点的重新评估，而不是依赖通用的默认估算器。 AI
影响 强调了在医疗AI中进行特定地点校准和置信度评分的必要性，以确保在不同医疗保健环境中的可靠部署。
排序理由 该集群包含一篇详细介绍AI模型性能研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Beta-Binomial empirical-Bayes estimator
- CORE Recommender
- Hugging Face
- logistic regression model
- vision-language model
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
