CARE 2025 Liver Track 4

DINO-Med框架将基础模型应用于医学图像分析

研究人员开发了DINO-Med，一个旨在将自然图像基础模型适应于多模态医学图像分析的新型框架。该方法通过采用统一的、基于块的策略来解决领域差距，该策略包括配准、定位和掩码过滤的块提取。应用于肝纤维化分期时，基于DINOv3的框架在CARE 2025肝脏追踪4队列上，其对轻度纤维化（S1）的分类准确率为78.4%，对肝硬化（S4）的分类准确率为75.8%，表现优于其他特征表示。