跳到主要内容
检索

University Hospital Bonn

6 篇关联报道

订阅更新
  1. 阿尔茨海默病分类模型不再把年龄当捷径:残差化去偏让认知正常与轻度认知障碍组的年龄相关性接近零

    在三个独立队列的结构MRI上,阿尔茨海默病分类模型会把年龄当作捷径:年龄越大,被赋予的患病风险越高。把年龄效应在特征空间里做线性残差化(PMDN)后,认知正常与轻度认知障碍组的年龄—预测相关性降到接近零,平衡准确率0.71、Brier分数约0.22,且折间波动明显小于对抗训练方案CF-Net。事后校准进一步压低概率误差,但等渗回归与贝叶斯分箱这类非参数方法效果最好。

  2. arXiv

    300M参数模型仅用合成先验预训练,在六种语言维基百科上把每字节比特数从8降到约1

    作者提出Prior-Fitted Language Model(PFLM),一个3亿参数的字节级transformer,仅用由递归结构因果模型生成的合成非语言序列预训练,权重冻结时在上下文中学习预测真实文本:在英语、中文、印地语、阿拉伯语、日语、韩语维基百科上,每字节比特数随上下文增长从均匀的8比特降至一百万字节上下文时的约1比特,并在数字上学会计数、比较大小与近似加法,还能预测Rudin–Shapiro、Kolakoski与素数指示等确定性序列,并在源代码、分子、蛋白质、DNA、符号音乐与音频六个非文本域上压缩率低于gzip与PPMd。

  3. arXiv

    K-MaT 用最优传输对齐提示流形,在无低端训练图像条件下把医学视觉语言模型迁移到低端模态

    K-MaT 是一个提示学习框架,通过分解提示、将其锚定到临床文本描述,并用 Fused Gromov-Wasserstein 最优传输把低端提示流形对齐到视觉接地的 高端空间,从而在不需要低端训练图像的情况下把决策结构迁移到低端模态;在四个跨模态基准(含皮肤镜、乳腺摄影到超声、CT 到胸片)上取得最优结果,平均准确率调和均值从 BiomedCoOp 的 42.0% 提升到 44.1%,宏 F1 达 36.2%,并在乳腺成像任务上缓解了 CoOp 在低端跌至 27.0% 准确率的灾难性遗忘。

  4. arXiv

    PromptGate 用联邦可学习提示把开放集联邦主动学习的查询纯度从约 60% 提升到 95% 以上

    PromptGate 提出一种面向开放集联邦主动学习(OS-FAL)的客户端自适应视觉-语言门控模块:在冻结的 BiomedCLIP 上以类特定上下文(CSC)方式学习全局提示(经 FedAvg 聚合)与客户端本地提示,用 VLM 伪标签在查询前把未标注池过滤成高纯度 ID 候选池,再交给任意下游主动学习策略;在 FedISIC 与 FedEMBED 两个联邦医学影像基准上,静态 VLM 提示的 ID 纯度会退化到约 50%,而 PromptGate 保持 95% 以上纯度并达到 98% 的 OOD 召回。

  5. Die Ophthalmologie

    德国眼科医生对AI环境记录系统的接受度与需求调查

    该研究通过对德国某区域医师网络中34名眼科医生(中位年龄49岁,47%为女性)进行匿名在线问卷调查,发现多数受访者将20–39%的工作时间用于临床文档记录,约四分之三对可靠且安全的环境记录系统表示出使用兴趣,主要感知益处是减少文档时间和增加患者诊疗时间,主要障碍是AI可靠性、与现有IT系统的整合及数据保护方面的顾虑,且受访者更偏好本地部署方案而非云端方案。

  6. Human Gene Therapy

    InsightRP2:面向RP2相关视网膜病变治疗的跨学科整合框架

    这篇Perspective文章提出InsightRP2框架,将临床数据、人工智能支持的影像分析、实验性疾病建模与腺相关病毒(AAV)设计整合为一个高度互动的转化研究策略,旨在推动针对RP2相关视网膜色素变性的靶向基因治疗开发。

已读完全部报道