BioClinicalBERT
PulseAugur coverage of BioClinicalBERT — every cluster mentioning BioClinicalBERT across labs, papers, and developer communities, ranked by signal.
-
新框架ReMAP-PET通过代谢语义增强脑PET扫描分析
研究人员开发了ReMAP-PET，一个旨在增强对脑正电子发射断层扫描（PET）理解的新型框架。与将PET数据视为通用体积信息的现有模型不同，ReMAP-PET专注于学习结构化的区域代谢语义。这是通过使用回归和对比目标，对脑区域标准化摄取值比（SUVR）谱进行MedicalNet 3D ResNet-50模型的微调来实现的。该框架在SUVR预测和召回率方面表现出显著的改进，优于基线模型。此外，ReMAP-PET与BioClinicalB…
-
新的ReMAP-PET框架增强了PET扫描的脑代谢分析
研究人员开发了ReMAP-PET，一个旨在通过关注区域代谢对齐语义来更好地解释正电子发射断层扫描（PET）的新框架。与将PET扫描视为通用体积数据的现有模型不同，ReMAP-PET使用部分微调的MedicalNet 3D ResNet-50，并以脑区域标准化摄取值比（SUVR）曲线进行监督。这种方法使模型能够学习PET扫描中的特定代谢信息，在1015个样本上实现了0.070的SUVR MAE和77.8%的PET SUVR Recall…
-
大型语言模型和主题建模增强对癌症患者经验的分析
一篇新的研究论文探讨了使用基于嵌入的主题建模和大型语言模型（LLMs）来分析癌症护理中的患者经验。该研究评估了BERTopic和Top2Vec在总结个人访谈方面的效果，发现BERTopic更有效。当与GPT-4等大型语言模型结合用于主题标记，并使用BioClinicalBERT等面向临床的嵌入模型时，该方法显示出更高的精确度和可解释性。研究结果表明，该流程可以通过提供患者叙述的见解来增强医疗保健工作流程。
-
研究人员利用对比学习将超声图像与临床文本对齐
研究人员开发了新的方法，将视觉语言模型与医学超声数据对齐，解决了当前仅视觉模型的局限性。一种方法 EchoCare-CLIP 使用对比学习框架将超声图像与临床文本关联起来，实现了更好的跨模态对齐。另一种策略 Hybrid Tuning 通过集成专门的适配器来调整现有模型，这些适配器可以过滤超声特有的噪声和伪影，在分割和分类任务中显示出显著的提升。