行业动态
arxiv.org ·
@Jose Gerardo Tamez-Peña
可解释多模态 AI 减少不必要的乳腺活检
研究构建多模态视觉语言框架，用 Vision Transformer 提取乳腺影像特征、DeBERTa-V3-Large 提取放射报告文本嵌入，经晚期融合后分类，用于预测被建议活检（尤其 BI-RADS 4 和 5）患者的肿瘤是否为良性，并用 Grad-CAM 生成影响预测的关键区域可视化解释；模型在包含 1,632 名患者、每人四视角钼靶影像及对应报告的院内数据集上训练与评估。
AI推荐理由 用 ViT 提取影像特征、DeBERTa-V3-Large 提取报告文本特征并做晚期融合，预测 BI-RADS 4/5 患者活检良性结果，结合 Grad-CAM 提供可解释性，基于 1,632 例院内数据。属医疗多模态应用研究，数据规模与任务明确，但为单中心自建数据集，泛化性未验证。
64
正文
当前仅保存了标题或简介；并非所有来源都提供正文，可通过下方原文链接查看。