Chest Radiography in COVID-19 Patients
PulseAugur coverage of Chest Radiography in COVID-19 Patients — every cluster mentioning Chest Radiography in COVID-19 Patients across labs, papers, and developer communities, ranked by signal.
-
新的CADRE框架增强了医学视觉语言模型的安全适应性
研究人员开发了CADRE，一种用于高效安全地适应医学视觉语言模型（VLMs）的新框架。该方法侧重于防止灾难性遗忘和先验漂移，这对于临床应用至关重要。CADRE结合了低秩适应（LoRA）与新颖的弹性权重巩固项和锚点到先验的惩罚。在乳腺癌检测的组织病理学、超声和胸部放射学测试中，CADRE与现有方法相比显著减少了遗忘并提高了准确性。
-
新的OTCHA模块改进了多视图医学图像分类
研究人员开发了OTCHA，一种用于多视图医学图像分类的新模块，它使用最优传输来对齐潜在中心令牌。该方法在融合前精炼补丁令牌，解决了未配准图像和可能掩盖诊断发现的无关背景线索的问题。OTCHA结合了置信感知匹配和新颖的对齐损失，以提高跨不同解剖结构和视图配置的鲁棒性，并在多个医学图像数据集上显示出一致的改进。
-
新型13亿参数AI模型可生成逼真胸部X光片
研究人员开发了一种新的胸部X光片生成式基础模型，拥有超过13亿个参数，并在120万张多样化的放射影像上进行了训练。该模型在最近的一篇arXiv论文中有所介绍，旨在通过实现跨不同患者人群、成像视角和病理的X光片图像的可控合成和编辑，来提高现有AI诊断工具的泛化能力。据报道，生成的图像在临床专家看来与真实放射影像无法区分，为增强诊断模型的鲁棒性和数据集多样性提供了一条有前景的途径。
-
新的基准和模型在机器人和推理领域推进视觉-语言能力 · 跟踪了10个来源
近期研究探讨了多个领域中视觉-语言模型（VLM）的进展。DeCAL 引入了一个新的模型，用于灵巧操作，该模型集成了触觉感知和视觉-语言理解。ROBORMBENCH 强调了 VLM 奖励模型在机器人领域对释义的脆弱性，并提出了一个衡量这种不稳定的基准。KoNA 和 FPCO-Dialog 分别针对 VLM 中的选择性不合规和持续的错误前提，提出了新的基准和微调策略。MultihopSpatial 专注于提高 VLA 代理的多跳组合空间推…