实体
IU X-Ray
IU X-Ray
PulseAugur coverage of IU X-Ray — every cluster mentioning IU X-Ray across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新基准SHOVIR旨在解决放射学AI中的视觉捷径学习问题
研究人员推出SHOVIR，这是一个旨在评估放射学报告生成（RRG）模型中视觉捷径学习的新基准。当前的RRG评估方法常常无法判断诊断陈述是否基于实际的视觉证据，导致模型利用虚假关联。SHOVIR通过使用带注释的数据集和遮挡实验来识别直接和上下文捷径，揭示了高性能模型可能仍然依赖肤浅的视觉证据。这项工作突显了RRG评估中的一个关键差距，并提倡使用区域感知评估协议。
-
新型CAME-Grad优化器改进放射学报告生成
研究人员开发了一种名为冲突规避幅度增强梯度下降（CAME-Grad）的新型优化器，以解决自动放射学报告生成中多任务学习的挑战。该优化器分析梯度动力学，以克服平衡临床监督约束与报告生成平滑度之间的“双重困境”。CAME-Grad在各种报告生成方法中均表现出持续改进，在MIMIC-CXR数据集上将临床疗效平均提高了2.3%，在IU X-Ray数据集上提高了1.9%。
-
新AI模型GDMRG利用拓扑知识改进医学报告生成
研究人员开发了一个名为GDMRG的新框架，用于自动生成医学报告，旨在提高诊断准确性和效率。该系统包含一个使用图卷积网络的拓扑知识内化模块，以更好地理解疾病共现。它还具有一个双流分类器和一个诊断引导的空间注意力机制，以增强推理和视觉基础。在MIMIC-CXR数据集上的实验表明，该模型具有竞争力的临床疗效和自然的语言流畅性，并在IU X-Ray数据集上展现了强大的零样本泛化能力。