의료 기반 모델을 위한 저차원 지식 분해
의료 기반 모델의 성능과 효율성을 높이기 위해 저차원 전문가 모듈과 효율적인 지식 분리 컨볼루션을 통해 기반 모델을 다수의 경량 전문가 모델로 분해하는 방법을 제안한다.
다양한 안저 영상에서 망막 혈관 분석을 위한 VascX 모델 앙상블
VascX 모델 앙상블은 안저 영상에서 혈관, 동맥-정맥, 시신경 유두 분할 및 황반 위치 검출을 위한 강력하고 일관된 성능을 제공합니다.
병리학 진단에서 다중 모달 채팅봇 AI의 활용 가능성 탐구: 범용 모델의 한계
현재 범용 GPT 모델은 병리학 이미지 분석에서 정확도, 용어 사용, 다중 모달 정보 통합 등의 측면에서 한계를 보이며, 이를 극복하기 위한 노력이 필요하다.
의료 영상 분석을 위한 지속적 학습: 최근 발전과 미래 전망에 대한 종합적 검토
의료 영상 분석 분야에서 지속적 학습 기술은 새로운 클래스, 작업 및 비정상적 환경에서의 데이터 변화에 대처하기 위한 필수적인 접근법이다.
연관 관상동맥 협착 진단을 위한 연합 학습 기반 접근법
관상동맥 협착 심각도 평가를 위해 연합 학습 기반 탐지 트랜스포머(FeDETR) 모델을 제안한다. 이 모델은 각 노드에서 개별적으로 학습된 DETR 모델의 백본 네트워크를 중앙 서버에서 연합하여 개선된 성능을 달성한다.
초광각 안저 영상을 이용한 당뇨망막병증 및 당뇨황반부종의 자동 감지를 위한 딥러닝 기반 접근법
초광각 안저 영상 분석을 위한 딥러닝 기반 솔루션을 제시하여 당뇨망막병증과 당뇨황반부종의 조기 감지 및 진단 효율성을 높일 수 있다.
대형 의료 모델의 배포를 위한 압축 모델의 효율적인 미세 조정
대형 의료 모델의 높은 매개변수 수로 인한 메모리 및 추론 지연 문제를 해결하기 위해 효율적인 미세 조정 프레임워크(EFCM)를 제안한다. EFCM은 비지도 특징 증류와 미세 조정의 두 단계로 구성되며, 특징 투영 증류(FPD) 방법과 TransScan 모듈을 통해 학생 모델의 지식 흡수 능력을 향상시킨다.
깊이 학습 기반 기회주의적 CT 영상을 활용한 과소 진단된 의학적 상태 탐지
기회주의적 CT 영상 분석을 통해 근감소증, 지방간, 복수와 같은 임상적으로 중요한 상태를 정확하게 진단할 수 있으며, 이는 전자 건강 기록의 정확성 향상과 정밀 의료 연구에 기여할 수 있다.
의료 영상 분석을 위한 범용 비전 기반 모델 평가: DINOv2의 방사선학 벤치마크에 대한 실험적 연구
DINOv2는 다양한 의료 영상 분석 작업에서 우수한 성능을 보이며, 기존 감독 학습 및 약한 감독 학습 모델을 능가한다.
3D 내부혈관 OCT 영상에서 섬유죽종 플라크 캡 검출
본 연구는 3D 내부혈관 OCT 영상에서 섬유죽종 플라크 캡의 각도 범위를 정확하게 검출하는 새로운 딥러닝 기반 접근법인 FiAt-Net을 제안한다.
© 2024 by Linnk AI