09:25
官方账号arXiv cs.LG@Sara Ketabi, Matthias W. Wagner, Cynthia Hawkins, Uri Tabori, Birgit Betina Ertl-Wagner, Farzad Khalvati
推荐理由：新论文用语义感知对比学习解决医学影像的假阴性问题，在脑肿瘤分类上AUC涨了22.6%，值得搞多模态医疗AI的人看看。
儿科脑肿瘤
共 1 条相关 AI 资讯
7月17日
09:25
该论文提出MseaCL框架，在儿科3D脑部MRI和放射学报告的多模态对比学习中，通过语义相似性引导减少假阴性样本。传统对比学习将非配对样本视为负例，但医学影像中语义相似的样本常被误判为负例。MseaCL在儿科队列上训练，将报告语义相似度作为信号，下游任务中儿科脑肿瘤分子分类AUC提升至少22.6%。