研究人员探索了使用配对的腹部CT扫描和放射学报告,将3D医学视觉语言模型(VLM)适配于机构特定的肝细胞癌(HCC)分类。他们比较了全参数微调与参数高效微调(PEFT)方法(如ConvLoRA和LoRA)。两种方法均表现出强劲的性能,PEFT达到了0.79的AUC和0.70的F1分数,而全参数微调达到了0.82的AUC和0.71的F1分数。尽管PEFT仅更新了约1%的模型参数,但全参数微调收敛速度更快,但存在过拟合的风险。 AI
影响 展示了将医学VLMs高效适配于专业任务,有望提高不同临床环境下的诊断准确性。
排序理由 该集群包含一篇学术论文,详细介绍了用于适配AI模型的新研究方法。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
- 3D Abdominal Vision-Language Model
- computed tomography
- ConvLoRA
- Hartford HealthCare
- Hugging Face
- LoRA
- peft
- Radiology reports
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →