跳到正文
热点事件持续更新

Yunhe Gao 等人提出无需架构修改的放射学预训练修正方法 CorLIP

1 篇报道1 个报道来源14 小时前更新

先了解这件事

AI 综述

针对放射学中 CLIP 风格对比预训练出现的零样本评估先升后降及大样本失效问题,Yunhe Gao 等人指出这是由于未配对报告间存在临床事实重叠导致的目标误配。作者构建了合成测试床验证该假设,并提出 CorLIP 方法:仅在文本断言与图像一致时视为正样本,无需修改模型架构。 该方法消除了峰值后的性能退化,使大样本(B=2048)训练稳定收敛,显著提升了数据增益,且可从胸部 X 光迁移至三维 CT 模态。上述结论基于作者提出的目标误配理论及合成测试床验证结果。

AI 根据报道生成 · 12 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · 机器人与计算机视觉
    重新思考放射学语言图像预训练中的对比目标:CorLIP 方法

    针对放射学中 CLIP 风格对比预训练中出现的零样本评估先升后降及大样本训练失效问题,作者提出这是由于未配对报告间存在临床事实重叠导致的目标误配。通过构建合成测试床验证该结构假设,论文提出了无需架构修改的 CorLIP 方法,仅在文本断言与图像一致时视为正样本。该方法消除了峰值后的性能退化,使大样本(B=2048)训练稳定收敛,并显著提升了数据增益,且可从胸部 X 光迁移至三维 CT 模态。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。