实体
Sebastian Doerrich
Sebastian Doerrich
PulseAugur coverage of Sebastian Doerrich — every cluster mentioning Sebastian Doerrich across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
Colorist：统计颜色匹配增强医学图像分类器的鲁棒性
研究人员开发了一种名为 Colorist 的新数据增强策略，该策略使用统计颜色匹配来提高医学图像分类器的鲁棒性。与深度生成模型不同，Colorist 计算效率高，避免了特征幻觉，并保留了临床相关结构。这种无需训练的方法在各种医学成像数据集的平衡准确性方面取得了显著改进，优于现有的域泛化方法。
-
AI息肉检测模型因数据集偏差在实际测试中失败
一项新的研究论文介绍TRUE-Colon，一个旨在揭示AI模型在精心策划的医学数据集上训练的性能与在真实临床环境中的性能之间差距的基准测试协议。研究发现，仅在以病灶为中心的基准上训练的模型，在完整结肠镜检查程序上进行评估时，准确性会显著下降。相反，在完整程序上训练的模型在精心策划的基准上保持了准确性，同时在真实场景中更好地排除了非息肉内容。该研究建议将完整程序数据用于训练和基准测试，以提高AI驱动的息肉检测系统的可部署性。
-
MoPET方法使用混合专家模型进行医学图像分类
研究人员开发了MoPET，一种利用混合专家（MoE）方法进行医学图像分类的新型参数高效微调（PEFT）方法。MoPET通过采用学习到的稀疏路由器，将输入导向冻结基础模型中的低秩专家子集，从而解决了PEFT中的负迁移问题。这使得跨数据集的容量共享，同时减轻了梯度冲突。在MedMNIST基准上的评估证明了MoPET的有效性，显示出比独立的PEFT适配器更高的准确率，并在与辅助数据集联合训练时，在数据受限的临床目标上表现出增强的性能。