BioVFM-21M: Benchmarking and Scaling Self-Supervised Vision Foundation Models in Biomedical Image Analysis

本研究解决了在医学领域开发大规模视觉基础模型时缺乏对扩展行为的深入理解问题。我们引入了一个涵盖多种生物医学图像模式和解剖结构的大规模数据集BioVFM-21M，并发现模型扩展对性能的提升具有任务特异性。最终，基于2100万生物医学图像的BioVFM模型在12个医学基准中超越了之前的状态-of-the-art基础模型。

本研究提出了BioVFM-21M数据集，涵盖多种生物医学图像，探讨模型扩展对任务性能的影响。BioVFM模型在12个医学基准测试中超越了现有最佳模型。

BioVFM-21M models 医学基准 性能 模型扩展 生物医学图像
原文英文，约100词，阅读约需1分钟。发表于：。
阅读原文
分享给好友