概括
基金会模型在提取癌症成像表型方面表现不同. TumorImagingBench为在定量医学成像任务中评估这些AI模型提供了一个基准.
科学领域:
- 医疗成像中的人工智能
- 定量放射学是指量子的放射学.
- 基金会模型 基金会模型
背景情况:
- 基础模型在医学成像中越来越多地被采用.
- 缺乏系统地评估它们在各种临床环境中提取可靠的定量放射学表型的能力.
研究的目的:
- 介绍TumorImagingBench,这是评估医学成像基础模型的基准.
- 评估模型在获得基于深度学习的癌症放射性现象型的表现.
- 比较模型的稳定性,可解释性和嵌入相似性.
主要方法:
- 策划了一个基准 (TumorImagingBench) 用六个公共数据集 (3244个扫描) 和各种瘤终点.
- 评估了十个医学成像基础模型 (2020-2025) 的性能,稳定性和可解释性.
- 学习嵌入表示的相互相似性进行比较.
主要成果:
- 在评估的基础模型中揭示了性能差异.
- 对常见变化源的稳定性有明显的差异.
- 展示了基于突出性的解释性和嵌入相似性的变化.
结论:
- 该基准为选择定量成像任务的最佳基础模型提供了关键的见解.
- 强调需要对医疗成像中的AI模型进行系统评估.
- 代码,数据集和结果的公开发布促进了可重现的研究.
