CARZero：放射学零样本分类的交叉注意力对齐

通过使用预训练模型在大规模图像-文本对上，推动了医学领域零样本学习的进展。

现有方法主要依赖于余弦相似度进行对齐，可能无法完全捕捉医学图像和报告之间复杂的关系。

引入了交叉注意力对齐方法（CARZero），用于放射学零样本分类。

CARZero利用交叉注意力机制处理图像和报告特征，创建更准确的医学语义相似性表示。

CARZero采用基于大型语言模型的提示对齐策略，纳入零样本学习中的关键提示选择。

该策略将多样化的诊断表达规范化为统一格式，克服了手动提示设计的挑战。

在五个官方胸部透视诊断测试集上展示了最先进的零样本分类性能，取得了显著的结果。

这一成就归因于新的图像-文本对齐策略，有效解决了医学图像和报告之间复杂的关系。