12:39arXiv cs.LG@Tengfei Zhang, Ziheng Zhao, Lisong Dai, Xiaoman Zhang, Pengcheng Qiu, Ya Zhang, Yanfeng Wang, Weidi Xie精选该研究提出了一个实体感知的跨图像比较推理框架 MedReCo,用于解决放射科实践中依赖前后对比和参考病例的诊断需求。研究构建了 MedReCo-DB 大规模数据集,包含来自 8 家机构、4 个国家、7 种影像模态的 69 万张图像,并将报告分解为解剖结构、异常发现和病理条件。基于此,开发了用于可控检索的 MedReCo 编码器和用于生成式比较解读的 MedReCo-VLM 视觉语言模型。在内部、外部和跨中心评估中,MedReCo 在 12 项内部检索设置中均取得最高 Recall@1,外部检索平均提升 6 个百分点;MedReCo-VLM 在比较生成评估中全面最优,纵向随访准确率提升 14.5-46.5 个百分点(胸片)和 13.0-27.9 个百分点(CT)。这表明实体感知的比较推理可从常规临床数据中大规模学习,为医学影像 AI 提供更贴近临床的范式。论文医学影像比较推理视觉语言模型检索放射科推荐理由:放射科医生和医学影像 AI 研究者终于有了一个能真正做前后对比和参考病例检索的框架——MedReCo 在 12 项检索任务中全胜,做临床 AI 落地的团队值得关注。原文
08:31DeepLearning.AI@DeepLearningAI研究发现,Google 的 AI 系统在乳腺钼靶图像中检测癌症的准确率略高于人类放射科医生。该系统能够发现一些医生最初遗漏的病例,同时有望减轻放射科医生的工作负担。然而,研究人员指出,信任问题仍是该技术临床推广的主要障碍。AI产品GoogleAI 医疗乳腺癌检测放射科临床信任推荐理由:AI 在医疗影像诊断中展现出超越人类的潜力,做医学影像分析或关注 AI 落地的读者值得关注这项进展,了解其优势与挑战。原文