电气工程与系统科学 > 图像与视频处理
[提交于 2025年8月26日
]
标题: MedVQA-TREE:用于肌少症预测的多模态推理和检索框架
标题: MedVQA-TREE: A Multimodal Reasoning and Retrieval Framework for Sarcopenia Prediction
摘要: 通过超声进行准确的肌少症诊断仍然具有挑战性,这是由于影像学线索细微、标记数据有限,以及大多数模型中缺乏临床背景。 我们提出了MedVQA-TREE,这是一种多模态框架,结合了分层图像解释模块、门控特征级融合机制和一种新颖的多跳、多查询检索策略。 视觉模块包括解剖分类、区域分割和基于图的空间推理,以捕捉粗粒度、中层和细粒度结构。 门控融合机制选择性地将视觉特征与文本查询集成,而临床知识则通过UMLS引导的管道访问PubMed和一个特定于肌少症的外部知识库。 MedVQA-TREE在两个公开的MedVQA数据集(VQA-RAD和PathVQA)和一个自定义的肌少症超声数据集上进行了训练和评估。 该模型实现了高达99%的诊断准确率,并且比之前最先进的方法提高了超过10%。 这些结果强调了将结构化的视觉理解与引导的知识检索相结合在肌少症有效人工智能辅助诊断中的优势。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.