OC
英语轻松读发新版了，欢迎下载、更新

完全开放的AI基础模型应用于胸部射线照相

2025-06-11 16:02:54 英文原文

作者：Liang, Jianming

参考

  1. Broder, J. S.Diagnostic Imaging for the Emergency Physician（Broder，J。S。）5, 185–296 (W. B. Saunders, 2011).

  2. Çallı, E., Sogancioglu, E., van Ginneken, B., van Leeuwen, K. G. & Murphy, K. Deep learning for chest X-ray analysis: a survey.医学Image Anal. 72，102125（2021）。

    文章一个 PubMed一个 Google Scholar一个 

  3. Tajbakhsh, N., Roth, H., Terzopoulos, D. & Liang, J. Guest editorial annotation-efficient deep learning: the holy grail of medical imaging.IEEE Trans。医学成像 40，2526 2533（2021）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  4. Hosny, A., Parmar, C., Quackenbush, J., Schwartz, L. H. & Aerts, H. J. Artificial intelligence in radiology.纳特。Rev. Cancer 18, 500–510 (2018).

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  5. Zhou，Y。等。从视网膜图像中检测可概括的疾病检测的基础模型。自然 622，156 - 163（2023）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  6. Huang，Z.，Bianchi，F.，Yuksekgonul，M.，Montine，T。J.＆Zou，J。使用医学Twitter的病理图像分析的视觉语言基础模型。纳特。医学 29, 2307–2316 (2023).

    文章一个 PubMed一个 Google Scholar一个 

  7. Christensen, M., Vukadinovic, M., Yuan, N. & Ouyang, D. Vision–language foundation model for echocardiogram interpretation.纳特。医学 30，1481年1488（2024）。

  8. Tiu，E。等。Expert-level detection of pathologies from unannotated chest X-ray images via self-supervised learning.纳特。生物。工程。 6，1399年1406（2022）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  9. Zhang，X.，Wu，C.，Zhang，Y.，Xie，W。＆Wang，Y。胸部放射学图像上的知识增强视觉语言预训练。纳特。社区。 14，4542（2023）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  10. Sellergren，A。B。等。胸部X射线照相模型的简化转移学习使用较少的数据。放射学 305, 454–465 (2022).

    文章一个 PubMed一个 Google Scholar一个 

  11. Azizi，S。等。Robust and data-efficient generalization of self-supervised machine learning for diagnostic imaging.纳特。生物。工程。 7, 756–779 (2023).

    文章一个 PubMed一个 Google Scholar一个 

  12. Xu，S。等。ELIXR: towards a general purpose X-ray artificial intelligence system through alignment of large language models and radiology vision encoders.预印本arxiv.org/abs/2308.01317（2023）。

  13. Basdevant，A。等。在基础模型中建立开放性的框架：哥伦比亚的诉讼程序召集了人工智能中的开放性。预印本arxiv.org/abs/2405.15802（2024）。

  14. MA，D.，Pang，J.，Gotway，M。B.＆Liang，J。Foundation Ark：累积和重复使用知识，以获得出色和稳健的性能。在Proc。 国际医学图像计算和计算机辅助干预会议（Eds Greenspan，H。等人）651 662（Springer，2023）。

  15. Liu, Z. et al.Swin Transformer：使用移位窗口的分层视觉变压器。在Proc。IEEE/CVF计算机视觉国际会议（Eds Hassner，T。等人）10012â10022（IEEE，2021）。

  16. Velan，S。S.胸部X射线的基准测试和增强本地化。硕士论文，亚利桑那州立大学。（2024）。

  17. Saravanan，M。3D分割模型的基准测试和提升。硕士论文，亚利桑那州立大学。（2024）。

  18. 伊斯兰教，N。U。等。基础X：通过锁定预释放策略进行胸部X射线分析来整合分类，定位和细分。在Proc。IEEE/CVF冬季会议有关计算机视觉的应用（Eds Biswas，S。等人）3647 3656（IEEE，2025）。

  19. Wang，X。等。CHESTX-RAY8：医院规模的胸部X射线数据库和基准分类和常见胸部疾病的定位。在Proc。IEEE计算机视觉和模式识别会议（Eds Cucchiara，R。等人）2097 2106（IEEE，2017）。

  20. pâ©rez-garcãa，F。等。探索可扩展的医疗图像编码超出文本监督。纳特。马赫。Intell。 7，119 - 130（2025）。

  21. Ma，D。等。基准测试和增强变压器进行医学图像分类。在Proc。 MICCAI关于域适应和表示转移的研讨会（Eds Kamnitsas，K。等人）12 22（Springer，2022）。

  22. Cho，K。等。国际象棋：胸部X射线预训练的模型通过自我监督的对比学习。J. Digit。成像 36，902 - 910（2023）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  23. Kang，M。等。标签组装：利用具有部分标签的多个数据集。在Proc。 20日 国际生物医学成像研讨会（Eds Salvado，O。et al。）1 -5（IEEE，2023）。

  24. Lee，J。等。深度学习稀有疾病：范围审查。J. Biomed。通知。 135，104227（2022）。

    文章一个 PubMed一个 Google Scholar一个 

  25. Yaqing，W.，Quanming，Y.，Kwok James，T。＆Ni Lionel，M。从一些示例中概括：一项关于几次学习的调查。ACM计算。幸存。 53，1 34（2020）。

    Google Scholar一个 

  26. Holste，G。等。CXR-LT：胸部X射线上的多标签长尾分类。物理学 5，19（2023）。

    Google Scholar一个 

  27. Zhou，S。K。等。对医学成像中深度学习的回顾：成像性状，技术趋势，具有进度的详细案例研究以及未来的承诺。Proc。IEEE 109，820 -838（2021）。

    文章一个 Google Scholar一个 

  28. Wang，D。等。用于医学图像分类中基础模型适应的现实世界数据集和基准。科学。数据 10，574（2023）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  29. 张，L。等。通过深层堆叠的转换概括了对医学图像分割的深度学习，以使其无法看到。IEEE Trans。医学成像 39，2531 2540（2020）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  30. Cohen，J。P.等。TorchxRayVision：胸部X射线数据集和型号的库。在Proc。深度学习国际医学成像会议（Eds Konukoglu，E。等人）231 249（PMLR，2022）。

  31. Glocker，B.，Jones，C.，Roschewitz，M。＆Winzeck，S。胸部射线照相中偏见的风险深度学习基础模型。radiol。：trif。Intell。 5，E230060（2023）。

    PubMed一个 Google Scholar一个 

  32. Seyyed-Kalantari，L.，Zhang，H.，McDermott，M。B.，Chen，I。Y.＆Ghassemi，M。诊断不足的人工智能算法降级不足，用于服务不足的患者人群中胸部X光片。纳特。医学 27，2176 2182（2021）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  33. Larrazabal，A。J.，Nieto，N.，Peterson，V.，Milone，D。H.＆Ferrante，E。医学成像数据集中的性别不平衡会产生用于计算机辅助诊断的有偏见的分类器。Proc。纳特学院。科学。美国 117，12592年12594（2020）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  34. Irvin，J。等。CHEXPERT：具有不确定性标签和专家比较的大胸部X光片数据集。在Proc。AAAI人工智能会议，卷。33（Eds Hentenryck，P。V。＆Zhou，Z。H.）590â597（AAAI，2019年）。

  35. Wang，L.，Lin，Z。Q.＆Wong，A。Covid-Net：一种量身定制的深卷积神经网络设计，用于从胸部X射线图像中检测COVID-19病例。科学。代表。 10，19549（2020）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  36. Liu，F。等。一种医学多模式的大型语言模型，用于未来大流行。NPJ数字。医学 6，226（2023）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  37. Xiao，J.，Bai，Y.，Yuille，A。＆Zhou，Z。探究用于多标签胸部疾病分类的蒙面自动编码器。在Proc。IEEE/CVF冬季会议有关计算机视觉的应用（Eds Crandall，D。等人）3588 3600（IEEE，2023）。

  38. Van der Maaten，L。＆Hinton，G。使用t-sne。J. Mach。学习。res。 9，2579 2605（2008）。

    数学一个 Google Scholar一个 

  39. Acosta，J。N.，Falcone，G。J.，Rajpurkar，P。＆Topol，E。J.多模式生物医学AI。纳特。医学 28，1773年1784年（2022）。

    文章一个 PubMed一个 Google Scholar一个 

  40. Soenksen，L。R.等。用于医疗保健应用的综合多模式人工智能框架。NPJ数字。医学 5，149（2022）。

    文章一个 广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  41. Ye，M.，Fang，X.，Du，B.，Yuen，P.C。＆Tao，D。异质联邦学习：最新和研究挑战。ACM计算。幸存。 56，1 44（2023）。

    Google Scholar一个 

  42. Nguyen，H。Q.等。Vindr-CXR：带有放射科医生的注释的胸部X射线射线的开放数据集。科学。数据 9，429（2022）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  43. Anouk Stein，M。等。RSNA肺炎检测挑战。Kaggle https://kaggle.com/competitions/rsna-pneumonia-detection-challenge（2018）。

  44. Jaeger，S。等。两个公共胸部X射线数据集用于计算机辅助筛查肺部疾病。量子。成像医学。外科。 4，475（2014）。

    广告一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  45. 约翰逊，A。E。等。MIMIC-CXR，带有自由文本报告的胸部X光片的公开数据库。科学。数据 6，317（2019）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

  46. Tajbakhsh，N。等。用于医学图像分析的卷积神经网络：全面培训还是微调？IEEE Trans。医学成像 35，1299年1312（2016）。

    文章一个 PubMed一个 Google Scholar一个 

  47. Zawacki，A。等。SIIM-ACR气胸分割。Kaggle https://kaggle.com/competitions/siim-acr-pneumothorax-细分（2019）。

  48. Sogancioglu，E。等。胸部X射线的结节检测和产生：节点21挑战。IEEE Trans。医学成像 43，2839 2853（2024）。

  49. Goldbaum，M.，Kermany，D。＆Zhang，K。标记为光学相干断层扫描（OCT）和胸部X射线图像，用于分类。Mendeley数据 https://doi.org/10.17632/rscbjbr9sj.2（2018）。

  50. Liu，Y.，Wu，Y.-H.，Ban，Y.，Wang，H。＆Cheng，M.-M。重新考虑计算机辅助的结核病诊断。在Proc。IEEE/CVF计算机视觉和模式识别会议（Eds Liu，C。等人）2646 2655（IEEE，2020）。

  51. Khosla，P。等。监督对比学习。在Proc。神经信息处理系统的第33次进步（Eds Larochelle，H。等人）18661 18673（Curran Associates，2020年）。

  52. Oquab，M。等。DINOV2：在没有监督的情况下学习强大的视觉功能。办理。马赫。学习。res。 https://openreview.net/forum?id=A68SUT6ZFT（2024）。

  53. Xie，Z。等。Simmim：用于掩盖图像建模的简单框架。在Proc。IEEE/CVF计算机视觉和模式识别会议（Eds Dana，K。等人）9653 9663（IEEE，2022）。

  54. Chen，X。，Fan，H.，Girshick，R。＆He，K。具有对比度学习的动力，改进了基本线。预印本arxiv.org/abs/2003.04297（2020）。

  55. 科恩（J.在Proc。深度学习的医学成像（Eds Arbel，T。等人）136â155（PMLR，2020年）。

  56. Unal，I。在ROC分析中定义最佳切点值：另一种方法。计算。数学。方法医学。 2017，3762651（2017）。

    文章一个 PubMed一个 PubMed Central一个 数学一个 Google Scholar一个 

  57. Jennewein，D。M。等。亚利桑那州立大学的SOL超级计算机。在Proc。练习和经验高级研究计算（Eds Sinkovits，R。＆Romanella，A。）296â301（ACM，2023）。

  58. Song，C。，Granqvist，F。＆Talwar，K。Flair：联合学习带注释的图像存储库。在Proc。神经信息处理系统的第35次进步（Eds Koyejo，S。等人）37792 37805（Curran Associates，2022）。

  59. Yan，R。等。标签有效的自我监督联盟学习，用于解决医学成像中数据异质性。IEEE Trans。医学成像 42，1932年（2023年）。

    文章一个 PubMed一个 PubMed Central一个 Google Scholar一个 

下载参考

关于《完全开放的AI基础模型应用于胸部射线照相》的评论

暂无评论

发表评论



摘要

该文档参考了多项研究和文章，重点是深度学习技术在医学成像中的应用，尤其是用于胸部X射线分析。关键作品包括有关胸部X射线深度学习方法的调查，讨论医学成像中注释有效的机器学习方法的社论文章，放射学中人工智能应用的评论以及展示基础模型的研究，这些模型可以增强视网膜图像和病理图像分析的疾病检测。此外，几篇文章探索了自我监督的学习技术，以检测病理，而无需注释，知识增强的胸部X射线图像的预训练方法，简化的转移学习策略，具有较少数据的强大机器学习方法以及较少的数据以及旨在改善医学成像中基础模型中使用的开放性的框架。

相关新闻

相关讨论