九大成像模式一鍵解析,生物醫(yī)學圖像AI再迎突破!微軟、UW等BiomedParse登Nature子刊
作者 |BiomedParse團隊編輯 | ScienceAI生物醫(yī)學圖像解析在癌癥診斷、免疫治療和疾病進展監(jiān)測中至關(guān)重要。然而,不同的成像模式(如MRI、CT和病理學)通常需要單獨的模型,造成資源浪費和效率低下,未能充分利用模式間的共性知識。
作者 |BiomedParse團隊編輯 | ScienceAI生物醫(yī)學圖像解析在癌癥診斷、免疫治療和疾病進展監(jiān)測中至關(guān)重要。然而,不同的成像模式(如MRI、CT和病理學)通常需要單獨的模型,造成資源浪費和效率低下,未能充分利用模式間的共性知識。
用AI大模型一鍵解析MRI、CT和病理學等九大生物醫(yī)學成像模式。不僅復(fù)雜、不規(guī)則形狀對象能高精度識別:而且通過對象識別閾值建模,模型能夠檢測無效的提示請求,并在圖像中不存在指定對象時拒絕分割。用戶更是無需手動進行標注或邊界框操作——只需通過簡單的臨床語言提示指定目標對象,例如“腫瘤邊界”或“免疫細胞
用AI大模型一鍵解析MRI、CT和病理學等九大生物醫(yī)學成像模式。