Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

MRI-CORE: Mô hình nền tảng cho chụp cộng hưởng từ

Created by
  • Haebom

Tác giả

Haoyu Dong, Yuwen Chen, Hanxue Gu, Nicholas Konz, Yaqian Chen, Qihang Li và Maciej A. Mazurowski.

Phác thảo

Trong bài báo này, chúng tôi trình bày một mô hình dựa trên tầm nhìn có tên là MRI-CORE, được đào tạo trên hơn 110.000 ảnh MRI (hơn 6 triệu lát cắt) cho 18 bộ phận cơ thể nhằm giải quyết vấn đề thiếu hụt dữ liệu trong phân tích hình ảnh y tế. MRI-CORE thể hiện hiệu suất tốt hơn các phương pháp hiện đại trên 13 tác vụ phân đoạn bị hạn chế dữ liệu, phân loại hình ảnh và phân đoạn zero-shot, cho thấy tiềm năng của nó trong việc đóng góp vào việc phát triển các mô hình AI hiệu quả về dữ liệu. Chúng tôi cũng trình bày một chiến lược để có được mô hình cơ sở cung cấp nhiều thông tin nhất và một phân tích mới về mối quan hệ giữa độ tương đồng giữa dữ liệu tiền đào tạo và dữ liệu tác vụ phụ với hiệu suất học chuyển giao, và mô hình này đã được công bố rộng rãi.

Takeaways, Limitations

•
Takeaways:
◦
Góp phần giải quyết vấn đề thiếu dữ liệu bằng cách trình bày MRI-CORE, một mô hình dựa trên thị giác sử dụng bộ dữ liệu MRI quy mô lớn.
◦
Cải thiện hiệu suất so với các mô hình có hiệu suất tốt nhất hiện có cho nhiều tác vụ phân tích hình ảnh y tế khác nhau (phân đoạn, phân loại, phân đoạn không cần chụp).
◦
Trình bày khả năng phát triển các mô hình AI sử dụng dữ liệu hiệu quả.
◦
Mở rộng nghiên cứu và nâng cao việc sử dụng nghiên cứu bằng cách công khai các mô hình và kết quả phân tích.
◦
Cung cấp thông tin chi tiết về các chiến lược đào tạo mô hình cơ sở tối ưu.
•
Limitations:
◦
ĐáNh giá hiệu suất của MRI-CORE chỉ giới hạn ở 13 tác vụ. Cần đánh giá hiệu suất cho nhiều tác vụ đa dạng hơn.
◦
Cần xác thực thêm hiệu suất tổng quát của mô hình. Có khả năng mô hình sẽ bị quá khớp với một số tập dữ liệu nhất định.
◦
Cần phân tích thêm về tính đa dạng và cân bằng của dữ liệu đào tạo trước, có thể thiên về một số lĩnh vực hoặc bệnh nhất định.
👍
Made with Slashpage