研究人员引入了概念推理扩展（CoRE）框架，以改进脑部病变分割的持续学习。该方法将视觉特征与结构化概念相结合，以模拟临床推理，指导模型增长和知识重用。CoRE旨在通过将模型演进建立在临床先验知识的基础上，防止冗余参数扩展，从而克服现有持续学习方法的局限性。在12个连续MRI任务上的评估表明，CoRE取得了最先进的性能，并展示了强大的少样本迁移能力和临床可解释性。 AI
影响 增强医学影像任务的持续学习能力，可能提高AI模型在临床环境中的诊断准确性和适应性。
排序理由 学术论文，介绍了一种特定AI任务的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.25376v1 Announce Type: new Abstract: Accurate brain lesion segmentation in MRI is vital for effective clinical diagnosis and treatment planning. Due to high annotation costs and strict data privacy regulations, universal models require employing Continual Learning (CL)…
Accurate brain lesion segmentation in MRI is vital for effective clinical diagnosis and treatment planning. Due to high annotation costs and strict data privacy regulations, universal models require employing Continual Learning (CL) to adapt to evolving clinical tasks without los…