实体
RadImageNet
RadImageNet
PulseAugur coverage of RadImageNet — every cluster mentioning RadImageNet 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
-
新的GS-MoE AI架构提高了医学影像中罕见病理的检测能力
研究人员开发了一种名为通用-专业混合专家模型（GS-MoE）的新型AI架构，旨在提高多模态医学影像中罕见病理的检测能力。该架构结合了一个跨模态的通用模型和特定模态的专业模型，解决了纯混合专家模型在平衡专业化和共享表示方面存在的局限性。在RadImageNet数据集上的实验中，GS-MoE成功识别了六种先前模型未能检测到的低患病率病理，同时以更少的激活参数实现了具有竞争力的性能。
-
医学基础模型增强脑部MRI造影剂剂量模拟
研究人员开发了一种新的脑部MRI造影剂剂量模拟方法，该方法利用医学基础模型的特征作为感知损失。与使用标准自然图像骨干网络相比，这种方法旨在提高图像合成的准确性。研究发现，RadImageNet模型在作为特征提取器使用时，在减少残余增强和在脑部MRI模拟中保持忠实的剂量降低轨迹方面表现出优越的性能。
-
AI框架在无人类标签的情况下学习骨折表型
研究人员开发了一种新颖的、无需标签的框架，用于通过自监督学习来表征胫骨平台骨折。该方法通过直接从影像数据中学习骨折表征，绕过了需要人工分配标签的步骤，从而避免了观察者间变异性。该系统利用经过微调的ResNet-50编码器和SimCLR目标，识别出四种不同的骨折表型。这些表型表现出稳健的稳定性和内部一致性，专家验证证实了它们的临床可解释性以及与Schatzker和AO/OTA等传统分类系统无关的独立性。