PulseAugur
中
实时 09:10:36
English(EN) ConfTriage: A Calibration-Aware LLM Triage Framework for Pulmonary Nodule Malignancy with Selective Specialist Deferral

LLM框架ConfTriage助力肺结节恶性肿瘤预测

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了ConfTriage，一个利用大型语言模型（LLMs）预测肺结节恶性肿瘤的新型框架。该系统利用结节属性的自然语言描述，结合置信度校准，对病例进行分诊。对于低置信度预测，ConfTriage会将病例推迟给专家的深度学习模型。在LIDC-IDRI数据集上的实验表明，ConfTriage的F1分数达到88.22%，AUC为0.92，仅通过零样本LLM推理就成功解决了大部分病例。 AI

影响 展示了在医学决策支持系统中整合通用LLM与专业AI模型的途径。

排序理由 该集群包含一篇详细介绍新框架和实验结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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

LLM框架ConfTriage助力肺结节恶性肿瘤预测

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Md Rabiul Islam, Samir Abdaljalil, Erchin Serpedin, Hasan Kurban ·

    ConfTriage：一种用于肺结节恶性肿瘤的校准感知大语言模型分诊框架，具有选择性专家推迟

    arXiv:2608.10885v1 Announce Type: new Abstract: Pulmonary nodule malignancy prediction typically depends on image-trained specialist deep learning (DL) models that require substantial annotated imaging data and task-specific training. We investigate whether a generalist large lan…

相关实体

相关话题