关键词medical artificial intelligence
搜索结果 - 8
- MH-pFLGB: 模型异构个性化全球绕行联邦学习用于医学图像分析
在医学人工智能应用中，联邦学习以保护训练数据隐私而著名。我们引入了一种新方法 MH-pFLGB，利用全局旁路策略来解决统计和系统异质性带来的挑战，并优化联邦学习的有效性。此方法通过整合全局旁路模型，增强了传统联邦学习的性能，同时还提供特征融 - 外部规划控制的大型语言模型对话式疾病诊断
通过利用大型语言模型来开发一个医学任务导向的对话系统，该系统模拟人类医生与患者对话以推断诊断结果，研究使用外部规划器和大型语言模型改进了先前人工智能系统在信息收集和自然语言理解等方面的局限性。通过模拟医生的疾病筛查和鉴别诊断的两阶段决策过程 - 朝向稳健的犬科心脏诊断：在兽医学中基于深度原型对齐网络的少样本分割
该研究使用深度原型对齐网络（DPANet）来准确分割犬胸部放射照片上的心脏和左房扩大，实验结果表明所提出的 DPANet 在各种情境下均获得最高性能，不仅在性能上有所提升，还在训练速度上有所改善，该模型为通过少样本分割，在兽医应用中开拓了新 - 揭示的弱点：对病理影像的多模式视觉语言模型进行对抗攻击
本研究探讨了医学人工智能领域中 Vision Language 基础模型 PLIP 在有针对性对抗情况下的潜在脆弱性，通过利用 the Kather Colon 数据集的 7180 个 H&E 图像跨九种组织类型，我们使用 Projecte - 面向临床辅助基于成像的生物医学应用的多模态机器学习
机器学习在医疗人工智能系统中的应用，从传统和统计方法转向深度学习模型甚至最近的生成模型。近年来，发现了支持多模态数据集成的广泛可用的深度学习架构，尤其是针对图像的。将多种模态融入到这些模型中是一个蓬勃发展的研究课题，提出了独特的挑战。本文讨 - 临床放射肿瘤学中的自然语言处理技术和框架简介
该研究回顾了现代自然语言处理模型的关键技术创新，并介绍了在放射肿瘤学研究中使用大型语言模型的最新应用，同时提出了一种全面的框架来评估 NLP 模型以便在临床应用前进行严格的评估和验证。
- 自监督下的稳健高效医学影像
本文提出了 REMEDIS，采用大规模监督式迁移学习和自监督学习的通用结合方式，用于改善医学图像 AI 的鲁棒性和数据效率，并在各种医学成像任务中展示了显著的表现，说明 REMEDIS 可以加速医学成像 AI 的生命周期，从而有助于医学成像 - 探索大规模公共医学图像数据集
本文旨在探讨开放式医疗数据集的质量控制问题，通过对 ChestXray14 和 MURA 两个数据集的视觉比对，发现标签的准确性存在问题，该研究建议公开数据集制作者应当进行质量控制并提供详细的数据生成过程及标注规则描述。