标签
Kimi K3 人工智能模型在 OpenMed 从 DICOM 数据中移除所有 23 个患者标识符后成功读取了一张胸片，从而确保了隐私。该模型正确识别出左侧白肺（left-sided whiteout）。
慕尼黑大学（LMU）的研究人员开发了一种基于量子玻尔兹曼机（Quantum Boltzmann Machine）的模型，用于从胸部X光片中检测肺炎。该模型仅使用不到9000个参数（而传统卷积神经网络（CNN）需要数百万个参数），准确率达到84%至86%，展示了量子机器学习在处理小规模医疗数据集方面的潜在优势。
本文研究了长尾胸片X光分类中阈值化亚组漏诊的公平性问题，表明罕见标签公平性同时取决于发现、亚组和操作阈值，而不仅仅取决于标签频率或排名指标。
本文介绍了一种流水线方法，只需一次结构化标注即可将自由文本的胸部X光报告转换为多标签矩阵，通过字典编辑即可重新配置标签方案而无需重新标注，从而显著节省成本和时间。
提出了一种用于纵向医学视觉问答的注意力引导编码器-解码器，使用冻结的基于DINO的掩码生成器和辅助损失函数来提高一致性和可解释性，在Medical-Diff-VQA基准上取得了强劲的结果。