MedCORE：锚定临床标准的可解释医学影像诊断框架
热点事件持续更新
MedCORE：锚定临床标准的可解释医学影像诊断框架
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Asim Khan、Samee Ullah Khan 和 Dwarikanath Mahapatra 提交论文预印本，提出结构化诊断框架 MedCORE，将临床诊断标准显式嵌入视觉-语言架构，把诊断过程分解为临床定义的各项标准并逐一定位到图像区域。 在 ISIC 2018 皮肤镜分类任务上，MedCORE 报告 89.2% 准确率、85.7% macro-F1 和 96.4% AUC；在 BUSI 乳腺超声任务上报告 96.1% 准确率、95.2% macro-F1 和 98.4% AUC。以上为论文预印本给出、尚未经同行评审确认的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
MedCORE：基于临床标准的可解释医学影像诊断推理框架报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.AIMedCORE：基于临床标准的可解释医学影像诊断推理框架
MedCORE 是一个将临床诊断标准显式嵌入视觉-语言架构的结构化诊断框架，把诊断过程分解为临床定义的各项标准并逐一定位到图像区域。它在 ISIC 2018 皮肤镜分类上达到 89.2% 准确率、85.7% macro-F1 和 96.4% AUC，在 BUSI 乳腺超声上达到 96.1% 准确率、95.2% macro-F1 和 98.4% AUC。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。