研究人员开发了FAN-LoRA,一种将视觉基础模型(如分割一切模型(SAM))适配到医学成像领域的新方法。现有方法在处理域偏移时存在困难,导致性能下降。FAN-LoRA通过解耦频率分量来解决这个问题,使用B样条驱动的低通分支处理全局结构,并使用傅里叶高通分支处理局部纹理。实验表明,FAN-LoRA在提高Dice分数和减少医学成像基准测试中的边界误差方面优于现有方法。 AI
影响 增强了通用视觉基础模型在专业医学领域的适用性,有可能提高诊断准确性。
排序理由 该集群描述了一篇新的研究论文,其中详细介绍了一种使用基础模型在医学成像中进行域自适应的新颖方法。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- FAN-LoRA
- Hugging Face
- Parameter-Efficient Fine-Tuning
- Segment Anything Model
- B-spline
- Dice scores
- Fourier-Adaptive Nonlinear Low-Rank Adaptor
- peft
- Sam
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →