chest CT
PulseAugur coverage of chest CT — every cluster mentioning chest CT across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI方法利用放射学报告改进3D CT扫描异常分割
研究人员开发了实例引导报告锚定（IGRA），一个旨在改进胸部CT扫描中3D异常分割的新型模块。IGRA利用现有的放射学报告提供实例特定的指导，而无需新的密集标注。该系统在训练期间将异常实例表示锚定到相应的发现，并在推理时丢弃文本组件，从而实现仅图像的前向传播。这种方法显著提高了分割精度，优于仅图像的基线方法，并在特定子集上显示出与现有方法相当的结果。
-
新的AI方法提高了3D医学影像分析的效率和准确性 · 跟踪7个来源
研究人员正在开发新方法，以提高3D医学影像视觉语言模型（VLM）的效率和准确性。MedPruner引入了一个无需训练的框架，用于修剪3D医学影像中的冗余token，在保持性能的同时显著降低计算负荷。另一种方法，在“疾病中心视觉语言预训练”论文中详细介绍，利用混合CNN-ViT编码器和疾病级别对比学习，以更好地将CT扫描中的视觉特征与特定疾病对齐。GreenRFM专注于放射学基础模型的资源高效预训练，仅需最少的GPU资源，并展示了强大的…
-
新的ASAP框架增强了医学扫描表示学习
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代理RadAgent通过逐步推理改进胸部CT扫描解读
研究人员开发了RadAgent，一个旨在改进胸部CT扫描解读和报告的AI系统。与仅提供最终输出的先前模型不同，RadAgent通过一个逐步的、可解释的过程生成报告，向临床医生展示中间决策和工具交互。这种方法在宏F1方面将临床准确性提高了5.8个百分点，在微F1方面提高了18.6%，在对抗条件下显著提高了鲁棒性，并引入了报告忠实度的新能力。