Divide Then Diagnose
PulseAugur coverage of Divide Then Diagnose — every cluster mentioning Divide Then Diagnose across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
新的自适应提示框架改进了多器官超声分割
研究人员开发了BAP-MOS，一种用于多器官超声分割的新型框架，该框架解决了相邻结构和局部边界误差的挑战。该系统采用自适应提示策略，将提示选择视为一个特定器官的多臂老虎机问题。这种方法在微调过程中优化提示偏好，从而显著提高了分割精度，尤其是在边界敏感的任务中。
-
新研究强调超声心动图 AI 模型中的偏差
研究人员在超声心动图分割模型中发现了一种“条件可用性偏差”，其中训练期间使用的辅助信号比部署时可用的信号更干净。这种捷径学习可能导致模型在实际场景中应用时表现不佳。该研究提出了部署感知检查点选择和相位扰动等方法来缓解这些问题，但指出提高分割精度并不总是能转化为更好的射血分数估计。
-
新型神经算子加速tFUS数字孪生模拟
研究人员开发了tFUSOperator，这是一种新颖的神经算子，旨在精确预测经颅聚焦超声（tFUS）治疗的颅内声场。该方法通过学习从自由场压力、颅骨解剖结构和治疗参数到颅内声场的映射，解决了传统数值求解器的计算成本问题。该模型在声聚焦定位方面表现出高精度，并且运行速度远快于数值模拟，从而能够实现用于患者特定tFUS治疗的实用数字孪生。
-
DARPA启动DICE项目，旨在开发10万个自主AI代理
DARPA正在启动一个名为“通过受控涌现实现去中心化人工智能”（DICE）的项目，旨在开发一个能够独立思考和行动的大规模AI代理网络。该项目目标是创建约10万个此类代理，目前已发布了提案者日活动的初步提案和幻灯片。该举措似乎侧重于受控AI涌现和去中心化系统的研究。
-
新方法量化超声心动图分割中的域偏移
研究人员开发了量化和预测超声心动图左心室分割中域偏移的方法，这是临床部署的关键挑战。他们的研究发现，几何不一致性而非声学差异是造成这种偏移的主要原因。所提出的技术可以在部署前估计域偏移对分割性能的影响，预测模型取得了显著的准确性。
-
Capgemini 领导者提议 DICE 框架以实现集成客户智能
Capgemini 的数字化转型领导者 Hemant Soni 提出了数据集成营销活动参与 (DICE) 框架，以解决企业拥有更多客户数据但 AI 驱动的智能却更少这一悖论。该框架主张将营销活动数据视为共享客户模型的实时输入，而不是事后分析。DICE 基于三个原则：用于持续更新客户模型的统一智能层、用于实时学习的闭环参与，以及确保一致客户体验的集中式、渠道无关的决策。
-
新型递归控制器增强轻量级息肉分割
研究人员开发了一种新颖的递归控制器，用于轻量级息肉分割，直接在骨干 logits 上操作以改进预测。该控制器聚合差异和不确定性证据来更新状态跟踪校正效用，并应用加性残差 logit 校正。该方法在 Kvasir-SEG 数据集和三个迁移数据集上使用统一协议进行评估，结果显示与开销极小的较重方法相比，性能持续提升且具有竞争力。
-
新框架DICE通过[uncertainty estimation]增强AI病理模型可靠性
研究人员开发了一个名为DICE的新框架，以提高全切片图像分析的病理基础模型（PFMs）的可靠性。该框架集成了多个固定的PFMs，并利用它们的差异来估计预测的不确定性。通过深度互学习对这些集成成员进行对齐，DICE提供了更有意义的置信度估计，甚至可以在没有明确监督的情况下定位异常。在三个基准上的评估表明，DICE在各种设置下都能准确标记不可靠的预测，并在分类、校准和定位方面达到或超过最先进的方法，使PFMs更接近临床决策支持。
-
新的DICE方法通过保留块证据来增强长文档检索
研究人员开发了一种名为DICE（Document Inference via Chunk Evidence）的新方法，以改进密集检索系统中的长文档检索。该技术解决了长文档中的关键信息在编码过程中可能被稀释导致检索失败的问题。DICE通过将文档分割成块，独立编码这些块，然后将这些表示聚合到单个向量中，同时保持标准的“一个查询-一个文档”接口。与传统的单向量基线相比，该方法通过降低证据稀释指数（EDI），在处理超过4k个token的文档方…
-
新的 GeoCat 网络提高了 IVUS 图像分割的临床准确性
研究人员开发了 GeoCat，这是一种新颖的几何一致性网络，旨在实现血管内超声 (IVUS) 图像的稳健分割。该模型解决了标准方法中常见的边界漂移和拓扑错误问题，这些问题可能影响临床测量。GeoCat 使用双笛卡尔-极坐标编码器和跨域注意力及时间融合来处理 IVUS 图像，并结合了可微分几何一致性损失来监督直径和面积等临床相关描述符。GeoCat 在大型数据集上进行了训练，在斑块负荷量化的几何保真度和准确性方面显示出显著的改进。
-
全新 7B 统一扩散语言模型 'Sumi' 发布，伴随扩散模型进展
研究人员推出了 Sumi，一个拥有 70 亿参数的统一扩散语言模型 (UDLM)，该模型在 1.5 万亿 tokens 上从头开始预训练。这个开源模型在知识、推理和编码任务上表现出与自回归模型相当的性能，但在常识基准测试上表现稍逊。发布内容包括模型权重、检查点以及完整的训练方法，旨在为大规模研究 UDLM 提供参考。此外，其他研究探索了扩散语言模型的进展，包括生成 CUDA 核的方法、通过自生成错误训练改进 Token 编辑，以及开发…
-
新指标SC-MFJ评估医学图像分割中的触觉质量
研究人员开发了一种名为SC-MFJ的新指标，用于评估医学图像分割的触觉质量，这对于手术模拟至关重要。与关注几何重叠的传统指标不同，SC-MFJ测量模拟触觉渲染过程中接触力的抖动。这一新指标揭示了不同分割方法之间触觉质量的显著差异，突出了几何指标所忽略的问题。
-
新的DiCE框架增强了胶囊内窥镜视频的AI分析
研究人员引入了一个名为DiCE的新框架，用于总结超长胶囊内窥镜视频。该方法旨在提取关键证据帧，并通过模仿临床医生的阅片流程来进行诊断。该系统首先筛选潜在发现，然后将其组织成诊断上下文，最后汇总证据以进行可靠的片段级判断。该方法在新的VideoCAP数据集上进行了测试，据报道在生成简洁可靠的诊断摘要方面优于现有技术。