相关实验视频
Updated: Sep 14, 2025

13:51
Cross-Modal Multivariate Pattern Analysis
Published on: November 9, 2011
20.1K
通过原型的跨模态对比学习进行大词汇法医病理学分析
Chen Shen1, Chunfeng Lian2,3, Wanqing Zhang1
1Key Laboratory of National Ministry of Health for Forensic Sciences, School of Medicine & Forensics, Health Science Center, Xi'an Jiaotong University, Xi'an, Shaanxi, China.
Nature communications
|July 23, 2025
概括
一个新的视觉语言模型,SongCi,通过提高确定死亡原因的准确性和效率来增强法医病理学. 这个人工智能工具与专家病理学家的表现相匹配,解决当前的现场挑战.
科学领域:
- 法医病理学 法医病理学
- 计算病理学计算病理学
- 人工智能的人工智能
背景情况:
- 法医病理学通过验尸检查来确定死亡原因.
- 当前的挑战包括结果的变化,劳动强度和专业短缺.
- 需要先进的计算工具来支持法医分析.
研究的目的:
- 介绍SongCi,用于法医病理学的视觉语言模型.
- 提高法医分析的准确性,效率和通用性.
- 利用原型的交叉模式自我监督的对比学习.
主要方法:
- 在一个大型的多中心数据集上训练 SongCi (16M+图像补丁,2,228个视觉语言对).
- 与现有的多式联运和基础模型相比,经过验证的性能.
- 评估模型的能力与不同经验水平的法医病理学家相比.
主要成果:
- 与现有模型相比,SongCi在法医任务中表现出了卓越的性能.
- 该模型与经验丰富的法医病理学家的能力相匹配.
- 志显著超过了经验较少的练习者.
结论:
- SongCi提供了一种强大的AI解决方案,以支持法医病理学.
- 该模型可以提高诊断的准确性和效率.
- SongCi为法医发现提供了强大的多模式可解释性.

