English(EN) ASAP: Advancing Medical Volumetric Representation Learning with Anatomy-aware Semantically-adaptive Pre-training

新的ASAP框架增强了医学扫描表示学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-02 04:00

研究人员推出了一种新的预训练框架ASAP，旨在改进医学体数据（如胸部CT）表示的学习。该框架整合了解剖学知识，并将放射学报告中的文本发现动态地链接到扫描中的特定区域。ASAP在广泛的下游任务中展现了最先进的性能，尤其在监督有限或分布偏移的情况下表现出色。 AI

影响该框架有望为医学诊断和分析带来更准确、更具可解释性的AI模型。

排序理由该集群包含一篇详细介绍医学影像分析新框架的研究论文。[lever_c_demoted from research: 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 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Rongsheng Wang, Fenghe Tang, Zihang Jiang, Yingtai Li, Xu Zhang, Haoran Lai, Wenxin Ma, Wei Wei, Zhiyang He, Xiaodong Tao, Rui Yan, Qingsong Yao, Shaohua Kevin Zhou · 2026-06-02 04:00

ASAP: Advancing Medical Volumetric Representation Learning with Anatomy-aware Semantically-adaptive Pre-training

arXiv:2606.00602v1 Announce Type: new Abstract: Learning transferable and interpretable representations from medical volumetric scans remains challenging due to complex anatomical structures and weak, heterogeneous supervision provided by radiology reports. In this paper, we prop…