中文

放射学中的基础模型:什么、如何、何时、为什么以及为什么不

机器学习 2025-02-10 v2

摘要

近期人工智能的进展见证了大规模深度学习模型的出现,这些模型能够解释和生成文本及影像数据。此类模型通常称为基础模型,是在大量无标签数据上训练的,能够在各种任务中表现出高性能。基础模型最近受到学术界、行业界以及监管机构的广泛关注。鉴于基础模型对放射学领域可能产生的变革性影响,本综述旨在建立关于基础模型的标准术语,特别关注训练数据的要求、模型训练范式、模型能力以及评估策略。我们进一步概述了促进放射学特定基础模型训练的潜在路径,重点阐述这些模型的优势与挑战。总体而言,我们设想本综述能够以安全负责的 manner,统一放射学基础模型训练中的技术进展与临床需求,最终惠及患者、提供者和放射科医生。

关键词

引用

@article{arxiv.2411.18730,
  title  = {Foundation Models in Radiology: What, How, When, Why and Why Not},
  author = {Magdalini Paschali and Zhihong Chen and Louis Blankemeier and Maya Varma and Alaa Youssef and Christian Bluethgen and Curtis Langlotz and Sergios Gatidis and Akshay Chaudhari},
  journal= {arXiv preprint arXiv:2411.18730},
  year   = {2025}
}

备注

This pre-print has been accepted for publication in Radiology. (DOI for the peer-reviewed article: 10.1148/radiol.240597)