跳到主要内容
检索

Artificial Intelligence in Medicine (Canada)

4 篇关联报道

订阅更新
  1. researchsquare.com

    脑龄模型改在尼日利亚数据上重训:内部测试误差9.82年,换一个独立队列校正后为8.78年

    脑龄模型多在北半球数据上训练,直接用于尼日利亚成人会失准。研究者用309名尼日利亚成人的临床T1加权MRI训练了一个人群特异的高斯过程回归模型,在47人留出测试集上未做年龄偏差校正时平均绝对误差为9.82年;在44人共同对照集上,该模型为10.24年,PyBrainAge为10.52年、SynthBA为12.33年、ENIGMA-Brain Age为17.51年,SPARROW为7.87年。校正后内部测试集误差为6.39年,但在另一独立尼日利亚队列上升至8.78年,且所有模型在该队列的决定系数均为负。

  2. arXiv

    CredLeak-Bench:七个模型在钓鱼场景下全部泄露凭证,恢复率最高仅24.2%

    作者提出 CredLeak-Bench,一个在本地沙箱中通过实际提交合成凭证来测量泄露的基准,覆盖用户指定认证、自主收件箱监控与恢复三种设置,并配对合法对照;评测七个模型后发现所有模型在两种主要设置中都会泄露,自主监控下无需用户要求认证即可泄露,且多数降低泄露的缓解措施同时损害合法任务完成,恢复率仅0%至24.2%。

  3. arXiv

    在90万张CT/MRI切片上训练的稀疏自编码器把医学影像基础模型的稠密嵌入拆成可语言描述的概念,10个特征即恢复87.8%下游性能

    该研究在TotalSegmentator数据集的909,873张CT与MRI二维切片上,对冻结的BiomedParse(生物医学)与DINOv3(通用)基础模型嵌入训练Matryoshka稀疏自编码器(BatchTopK稀疏化),并设随机权重基线,发现稀疏特征能以最高R2=0.941重建原始嵌入、仅用10个特征即恢复87.8%下游性能(99.4%降维)、以5特征指纹保留97.7%稠密检索质量、经独立大模型评判对应可语言表达的单义概念,并在单条临床文本查询上实现零样本语言驱动图像检索。

  4. arXiv

    AIDEN 用等变网络直接求解实空间电荷密度,在周期晶体基准上达到最优精度并实现零样本跨结构迁移

    作者提出 AIDEN(Atomic-Interaction Density Equivariant Network),将元素相关的一中心密度与环境诱导的密度重分布分离,用原子中心与边中心的张量关联表示后者,并通过连续低秩高斯解码器在任意空间坐标重建密度;该方法在周期晶体基准上取得最优精度、在分子体系上保持竞争力,在若干结构上不同的分布外案例中展现零样本迁移能力,且推理速度显著快于基线模型与完整自洽场计算。

已读完全部报道