多模态可解释AI方法用于预测乳腺活检良性肿瘤
热点事件持续更新
多模态可解释AI方法用于预测乳腺活检良性肿瘤
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Sadam Hussain等研究者在arXiv发布论文，提出一种结合Grad-CAM可解释技术的多模态视觉-语言方法：用Vision Transformer提取乳腺影像特征、DeBERTa-V3-Large提取放射报告文本嵌入并晚期融合，以预测被建议活检的BI-RADS 4和5患者中的良性肿瘤，目标是减少不必要的乳腺活检。 模型在一个包含1,632名患者的内部数据集上训练和评估，每名患者配有四张乳腺X线摄影视图及对应的放射报告。
AI 根据报道生成 · 1 小时前更新
最新进展10月27日 12:00
可解释多模态 AI 方法助力减少不必要的乳腺活检报道时间线
沿着报道，了解事件的不同侧面。
10月27日
- arXiv cs.AI可解释多模态 AI 方法助力减少不必要的乳腺活检
一项研究提出结合 Grad-CAM 可解释技术的多模态视觉-语言方法，用 Vision Transformer 提取影像特征、DeBERTa-V3-Large 提取文本嵌入并晚期融合，预测 BI-RADS 4 和 5 患者的良性肿瘤。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。