BriefGPT - AI 论文速递
·
来自人群筛查程序的全场数字化乳腺摄影数据集
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出Mammo-CLIP，通过大规模图像文本数据集预训练，解决乳腺癌检测中的数据不足问题。实验结果表明，该方法在分类和定位上具有良好的数据效率和鲁棒性。此外，Mammo-FActOR提供基于句子级的空间解释。
🎯
关键要点
- 提出Mammo-CLIP，解决乳腺癌检测中数据不足问题。
- 通过大规模图像文本数据集预训练，提升计算机视觉的鲁棒性和数据效率。
- Mammo-CLIP使用乳腺癌筛查报告进行预训练，克服数据集多样性和规模挑战。
- 实验结果显示该方法在分类和定位上表现出良好的数据效率和鲁棒性。
- 提出Mammo-FActOR，提供基于句子级的空间解释。
- 代码可在公开网址获取。
➡️
