研究人员开发了一个使用DINOv2基础模型解决三个不同心脏评估任务的统一框架：左心室射血分数（LVEF）估计、基于全局纵向应变（GLS）的功能障碍分类以及早期心脏毒性预测。该框架采用参数高效的低秩自适应（LoRA）和时间聚合，无需心动周期分割或明确的舒张末期/收缩末期标注即可运行。一个专门的ED/ES引导模型进一步提高了LVEF估计性能，平均绝对误差为4.64%。 AI
影响 这项研究展示了基础模型在专业医学成像任务中的应用，有望提高诊断准确性并实现对心脏毒性的早期干预。
排序理由 研究论文，详细介绍了医学图像分析的新框架。[lever_c_降级自研究：ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
