هوش مصنوعی
CAMEL بهدنبال ساخت مدلهای بنیادین سبک برای تصویربرداری شبکیه است
پیشچاپی در arXiv شکاف میان عملکرد بالای مدلهای پزشکی و امکان بهکارگیری آنها در مقیاس بالینی را برجسته میکند؛ اما چکیدهٔ در دسترس جزئیات روش یا نتایج CAMEL را ارائه نمیدهد.
پیشچاپی با عنوان «CAMEL: Cross-Architecture Masked Embedding Learning for Ultra-Lightweight Retinal Foundation Models» در arXiv منتشر شده است. چکیده میگوید با وجود پیشرفت یادگیری عمیق در درجهبندی خودکار بیماریهای چشم، فاصلهای میان عملکرد مدلهای پیشرفته و مقیاسپذیری بالینی باقی مانده است.
این متن RETFound را از مدلهای بنیادین مرتبط با تصاویر شبکیه معرفی میکند و میگوید این مدل در طبقهبندی، قطعهبندی و پیشبینی خطر عملکرد خوبی دارد. بااینحال، بخش ارائهشده از چکیده پیش از توضیح روش و یافتههای CAMEL قطع میشود؛ بنابراین اطلاعات موجود برای ارزیابی عملکرد یا کاربرد بالینی این مدل کافی نیست.
این گزارش به کمک هوش مصنوعی تهیه شده است. مطالب براساس منابع درجشده تنظیم شدهاند؛ صحت مستقل همه ادعاها تضمین نمیشود.
منبع: arXiv · AI (پیشچاپ) — مشاهده منبع اصلی ↗
پیشچاپ پژوهشی در arXiv؛ انتشار در این مخزن به معنی داوری همتا نیست
رد این داستان در رادار
خبرهای مرتبط از آرشیو منتشرشده