English(EN) Weakly Supervised Multicenter Nancy Index Scoring in Ulcerative Colitis Using Foundation Models

基础模型赋能溃疡性结肠炎弱监督南希指数评分

作者 PulseAugur 编辑部 · [1 个来源] · 2026-04-28 04:00

研究人员开发了一种用于溃疡性结肠炎活动自动评分的弱监督多示例学习方法，该方法利用基础模型。该方法利用病例和切片级别的标签来预测五级南希组织学指数，解决了手动评分耗时且不一致的问题。该研究在多中心数据集上评估了各种基础模型，发现Virchow2表现良好，并且集成模型提高了预测准确性。 AI

影响自动化溃疡性结肠炎的组织学评分，有望提高临床试验效率和诊断一致性。

排序理由在arXiv上发表的学术论文，详细介绍了一种新的用于医学图像分析的弱监督方法。

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

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Adam Kuku\v{c}ka, Ond\v{r}ej Fabi\'an, V\'it Musil, Tom\'a\v{s} Br\'azdil · 2026-04-28 04:00

基于基础模型的溃疡性结肠炎的弱监督多中心Nancy指数评分

arXiv:2604.23706v1 Announce Type: new Abstract: Histologic assessment of ulcerative colitis (UC) activity is an important endpoint in clinical trials and routine care, but manual grading with indices such as the Nancy histological index (NHI) is time-consuming and prone to observ…