Core Concepts
Grundlagenmodelle sind leistungsstarke und vielseitige Feature-Extraktoren für die medizinische Bildsuche.
Abstract
Content-based Image Retrieval (CBIR) bietet Potenzial für die Verbesserung von Diagnosen und medizinischer Forschung in der Radiologie.
Aktuelle CBIR-Systeme sind auf bestimmte Pathologien spezialisiert und stoßen an Grenzen.
Vision Foundation Models werden als leistungsstarke und vielseitige Feature-Extraktoren vorgeschlagen.
Schwach überwachte Modelle erzielen eine hohe Leistung ohne Feinabstimmung.
Herausforderungen bei der Unterscheidung von pathologischen und anatomischen Strukturen werden diskutiert.
Die Studie zeigt das Potenzial von Grundlagenmodellen für die CBIR in der Radiologie.
Stats
Durch Benchmarking auf einem umfassenden Datensatz von 1,6 Millionen 2D-Radiologiebildern wurden schwach überwachte Modelle als überlegen identifiziert.
Die Leistung der besten Modelle erreichte eine P@1 von bis zu 0,594.
Quotes
"Grundlagenmodelle sind leistungsstarke und vielseitige Feature-Extraktoren für die medizinische Bildsuche."
"Schwach überwachte Modelle erzielen eine hohe Leistung ohne Feinabstimmung."