研究人员开发了 GenFAR，一个新颖的深度学习框架，旨在从脑 MRI 中创建通用且具有临床指导意义的特征表示。该模块化架构在包含 11 个队列的 49,246 名个体的大型数据集上进行了训练，利用 17 项不同任务来捕捉丰富的脑表示。该框架采用顺序学习方法，确定了六项任务的最佳序列和量化任务贡献的“供体分数”指标，最终提高了下游深度学习模型的样本效率和准确性。 AI
影响 提高了神经影像学下游深度学习任务的样本效率和准确性。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于神经影像学分析的新型深度学习框架。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
Deep learning models for neuroimaging have largely been developed for individual tasks, limiting knowledge transfer across applications. Here we introduce GenFAR, a modular deep learning framework that learns general, clinically informed features from brain MRIs. We trained this …
arXiv:2608.12185v1 Announce Type: new Abstract: Deep learning models for neuroimaging have largely been developed for individual tasks, limiting knowledge transfer across applications. Here we introduce GenFAR, a modular deep learning framework that learns general, clinically inf…