هوش مصنوعی
InnerLogic-Surg؛ خانواده‌ای باز از مدل‌های بینایی آموزش‌دیده با تصاویر جراحی
پژوهشگران می‌گویند بزرگ‌ترین مدل این خانواده در آزمون خطیِ ۲۰ وظیفهٔ جراحی، با معماری یکسان بهترین عملکرد را داشته است.
پژوهشگران در پیش‌چاپی در arXiv، InnerLogic-Surg را معرفی کرده‌اند؛ خانواده‌ای باز از رمزگذارهای بینایی جراحی با ۲۱ تا ۳۰۰ میلیون پارامتر. این مدل‌ها با ادامهٔ پیش‌آموزش یک رمزگذار تصویری مبتنی بر ترنسفورمر روی میلیون‌ها تصویر برگرفته از ۱۱٬۹۶۵ ویدئوی جراحی اینترنتی ساخته شده‌اند؛ ویدئوها در مجموع حدود ۲٬۹۰۰ ساعت را پوشش می‌دهند و شامل بیش از ۱۵ نوع عمل هستند.
طبق مقاله، روش آموزش از مرحلهٔ پیش‌آموزش DINOv3 استفاده می‌کند تا توانایی بازنمایی مدل پس از سازگارشدن با تصاویر جراحی حفظ شود. پژوهشگران همچنین ماژولی برای بالابردن وضوح ویژگی‌ها به کار برده‌اند تا پیش‌بینی متراکم با وضوح بالا و هزینهٔ توکنی پایین‌تری انجام شود.
در ارزیابی‌هایی شامل تشخیص روند کار، ابزار و آناتومی، بخش‌بندی، آشکارسازی و تخمین عمق تک‌چشمی، بزرگ‌ترین مدل با معماری یکسان در هر ۲۰ وظیفه بهترین نتیجهٔ linear probe را ثبت کرد. نویسندگان می‌گویند بازنمایی‌های حاصل میان عمل‌ها، نواحی آناتومیک و انواع وظیفه قابل‌انتقال‌اند؛ نتیجه‌ای که آن‌ها را جایگزینی مقیاس‌پذیر و امیدوارکننده برای روش‌های متکی بر یادگیری بازنماییِ ویژهٔ هر عمل می‌سازد.
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