综述发现无监督生成模型在神经影像异常检测方面显示出潜力

一篇发表在arXiv上的系统性范围审查文章，探讨了无监督深度生成模型在神经影像异常检测中的应用。该审查分析了2018年1月至2025年12月期间的33项研究，发现包括自编码器、VAE、GAN和扩散模型在内的模型，在无需详细标注的情况下，在识别大脑异常方面显示出潜力。然而，方法学异质性和有限的外部验证等挑战依然存在，尽管新兴技术旨在提高鲁棒性和临床相关性。 AI

影响 本次审查强调了AI在医学诊断中的潜力，尤其是在标记数据稀缺的大脑异常检测方面。

排序理由 该条目是一篇发表在arXiv上的系统性范围审查，详细介绍了研究方法和发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• autoencoder
• CatalyzeX
• computed tomography
• DagsHub
• diffusion-based models
• generative adversarial network
• Gotit.pub
• Hugging Face
• magnetic resonance imaging
• PRISMA-ScR
• Variational Autoencoders
• Youwan MAHE

• 论文
• 其他

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