TL;DR
- چکیده:.
- تشخیص تنگی ستون فقرات کمری (LSS) همچنان یک چالش بالینی حیاتی است،.
- که تشخیص آن به شدت به تفسیر دستی فشرده کار از تصویربرداری تشدید مغناطیسی چند نمای (MRI) وابسته.
چه اتفاقی افتاد
چکیده:. تشخیص تنگی ستون فقرات کمری (LSS) همچنان یک چالش بالینی حیاتی است،.
که تشخیص آن به شدت به تفسیر دستی فشرده کار از تصویربرداری تشدید مغناطیسی چند نمای (MRI) وابسته. است که منجر به تنوع قابلتوجه بین مشاهدهگر و تاخیرهای تشخیصی میشود.
مدلهای زبان بینایی موجود همزمان با حفظ دقت فضایی،. به دلیل مکانیسمهای ادغام جهانی که سلسلهمراتب آناتومیکی حیاتی را کنار میگذارند،.
به عدم تعادل طبقاتی شدید رایج در مجموعه دادههای تقسیمبندی بالینی پاسخ نمیدهند. ما یک چارچوب مدل چشمانداز-زبان قابل توضیح سرتاسر ارائه میکنیم که برای غلبه بر این محدودیتها طراحی شده.
است که از طریق دو هدف اصلی به دست آمده است. ما یک ماژول Spatial Patch Cross-Attention را پیشنهاد میکنیم که محلیسازی دقیق و متنی ناهنجاریهای ستون فقرات را.
با دقت فضایی امکانپذیر میسازد. رمان تطبیقی PID-Tversky Loss عملکرد با ادغام اصول تئوری کنترل به صورت پویا،.
جریمههای آموزشی را بیشتر تغییر میدهد تا بهطور خاص به نمونههای اقلیت دشوار و کم. بخش رسیدگی شود.
با ترکیب VLMهای پایه در کنار یک ماژول تولید گزارش خودکار رادیولوژی،. چارچوب ما عملکرد قابل توجهی را نشان میدهد:.
دقت طبقه بندی تشخیصی 90. 69 ٪، میانگین کلان نمره تاس 0.
9512 برای بخش بندی، و امتیاز CIDEr 92. 80%.
علاوه بر این،. این چارچوب با تبدیل پیشبینیهای تقسیمبندی پیچیده به گزارشهای بالینی به سبک رادیولوژیست،.
توضیحپذیری را نشان میدهد،. در نتیجه معیار جدیدی برای هوش مصنوعی شفاف و قابل تفسیر در تصویربرداری پزشکی بالینی ایجاد میکند که.
نظارت انسانی ضروری را حفظ میکند و در عین حال قابلیتهای تشخیصی را افزایش میدهد. بینایی کامپیوتری و تشخیص الگو (cs.
CV)؛ هوش مصنوعی (cs. AI) بهعنوان: (یا v1 [cs.
CV] برای این نسخه) https:. // arXiv-issued DataCite (در انتظار ثبت نام) تاریخچه ارسال از:.
Md Mehedi Hasan Shawon 21 A21 [مشاهده ایمیل 2] 20:. 18:.
35 UTC (32,. 755 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.