BriefGPT - AI 论文速递
·
将超声心动图像与病历融合，实现连续的患者分层
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
基于自监督对比学习的深度学习模型通过学习心脏核磁共振扫描伴随的放射学报告的原始文本中的视觉概念，展示了对人类心血管疾病和健康的全面评估。模型在多个数据集上展示了卓越的性能，包括左心室射血分数回归和35种不同病症的诊断等任务。
🎯
关键要点
- 基于自监督对比学习的深度学习模型用于评估心血管疾病和健康。
- 模型通过学习心脏核磁共振扫描及放射学报告的原始文本中的视觉概念。
- 在美国四个大型学术临床机构的数据上进行训练和评估。
- 在英国BioBank和其他两个公开数据集上展示卓越性能。
- 实现了左心室射血分数回归和35种不同病症的诊断任务。
- 显示出对人类心血管疾病复杂性的理解能力。
- 在使用较少训练数据的情况下，达到了临床级诊断准确率。
➡️
