University of Florida Health
PulseAugur coverage of University of Florida Health — every cluster mentioning University of Florida Health across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI模型GatorOnco在结直肠癌治疗规划方面达到专家级水平
研究人员开发了GatorOnco，一个用于结直肠癌治疗规划的具身大型语言模型。GatorOnco在包含UF Health大量临床文本的2820亿个token的海量数据集上进行训练，采用领域适应方法和具身检索增强生成方法来整合最新的临床指南。在临床评估中，GatorOnco表现出与肿瘤学家相当的专家级水平，在可读性和完整性方面获得更高评分，同时在正确性、时效性和安全性方面与专家表现持平。
-
新框架通过可解释的AI特征增强肿瘤分类
研究人员开发了一个新框架，将深度学习与可解释AI技术相结合，用于发现和验证用于肿瘤分类的影像组学特征。该方法使用深度学习进行分割，并利用Grad-CAM等注意力机制来识别关键区域，然后使用SHAP来解释影像组学特征。该框架旨在提高成像特征的预测性能和生物学可解释性，为无创肿瘤表征提供更具可重复性的解决方案。
-
新框架通过可解释的深度学习特征增强肿瘤分类
研究人员开发了一个新框架，将深度学习与影像组学分析相结合，创建用于肿瘤分类的可解释影像特征。该方法首先使用分割模型精确勾勒肿瘤，然后采用 Grad-CAM 引导的流程来确定特征识别的重要区域。该框架使用下游分类模型和传统机器学习验证这些特征，提供了更好的生物学可解释性和非侵入性肿瘤表征的可复现解决方案。
-
LLM GatorTron-3.9B 在预测癌症患者心力衰竭风险方面优于 BERT
佛罗里达大学健康中心的研究人员利用大型语言模型（LLMs）进行了一项研究，以预测癌症患者发生心力衰竭的风险。该研究使用了超过 12,000 名患者的电子健康记录，特别关注了被诊断患有肺癌、乳腺癌和结直肠癌的患者。名为 GatorTron-3.9B 的 LLM 通过实现比传统机器学习模型和 BERT Transformer 模型更高的 F1 分数，展现出卓越的性能，表明 LLMs 在改善患者预后和治疗安全性方面具有潜力。
-
AI模型LesionDETR对CT扫描中的肾脏病灶进行表征
研究人员开发了LesionDETR，一种新颖的深度学习模型，旨在更详细地表征CT扫描中的肾脏病灶。与以往关注器官层面预测的方法不同，LesionDETR能够预测单个病灶及其属性，如类型、大小和增强情况。该模型在两个数据集上均取得了优异的性能，展示了其生成结构化放射学报告的潜力。