PulseAugur
实时 10:23:45
English(EN) Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma

新框架测试人工智能病理模型是否能看见真实生物学

研究人员开发了一个新框架,用于评估病理学中使用的基础模型是否能准确解读生物学数据。该方法利用空间转录组学来评估五个不同的病理学基础模型和一个ResNet50基线的注意力图。研究结果表明,这些模型捕捉的是复杂的转录程序,而不是单个分子事件,并且不同的模型关注不同的生物学区域。 AI

影响 提供了一种量化评估人工智能模型在病理学中可解释性的方法,这对于临床信任和监管批准至关重要。

排序理由 该集群包含一篇学术论文,详细介绍了特定领域人工智能模型的新评估框架。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

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]

  1. arXiv cs.CV TIER_1 English(EN) · Dilakshan Srikanthan, Amoon Jamzad, Paul Wilson, Nooshin Maghsoodi, Robert Policelli, Gabor Fichtinger, John F. Rudan, Parvin Mousavi ·

    Do Foundation Models See Biology? Evaluating Attention Coherence with Spatial Transcriptomics in Glioblastoma

    arXiv:2606.04764v1 Announce Type: new Abstract: Whether attention maps from pathology foundation models capture genuine biology remains unknown, yet this question is critical for clinical trust and regulatory approval. We propose a spatial transcriptomics-based framework for orth…