热点事件持续更新

PathJev：决策本征视觉语言模型在病理学的应用

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Cristian Tommasino 和 Antonio M. Rinaldi 发布研究论文，展示了基于决策本征视觉-语言模型的病理学研究。他们构建了 PathJev-P，该模型基于 MedGemma-1.5-4B，通过 LoRA 适配器和决策头，在 40,000 个来自三个公开集合的 patch 状态数据上进行训练，专家标签被转化为带有器官特定候选集和“没有这些”选项的打字问题。该模型在平衡准确率上优于生成式模型、CONCH 及通用医疗决策模型，得分分别为 0.541、0.492、0.345 和 0.213。在全切片演示中，模型有效区分了癌组织，并在校准误差方面表现良好，ECE 为 0.204。

AI 根据报道生成 · 2 小时前更新

最新进展10月26日 12:00

PathJev-P：基于决策原生视觉语言模型的组织病理学研究

报道时间线

沿着报道，了解事件的不同侧面。

10月26日

12:00
arXiv · ML
PathJev-P：基于决策原生视觉语言模型的组织病理学研究
基于 MedGemma-1.5-4B 开发的组织病理学模型 PathJev-P，在平衡准确率上优于生成式模型、CONCH 及通用医疗决策模型，得分分别为 0.541、0.492、0.345 和 0.213。该模型通过 40,000 个 patch 状态数据训练，结合 LoRA 适配器与决策头，在校准误差方面表现良好（ECE 0.204），并在全切片演示中有效区分癌组织。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。