回到最新动态
研究论文 / THE SIGNAL

BrainGFM:面向计算脑成像的生成式基础模型

A generative foundation model for computational brain imaging

重要性 6.5 AI 辅助整理

论文报告生成式脑成像先验可跨48项任务复用并辅助卒中诊断。

资讯摘要

论文提出生成式基础模型 BrainGFM,试图把知识迁移从表征复用扩展到可复用、可重构的脑成像先验。作者报告其基于约130万张MRI与CT切片预训练,在48项下游任务中改善少监督分割与分类,并实现图像增强;涉及4796名卒中患者的多中心验证显示,其生成FLAIR接近真实采集质量,辅助放射科医生使卒中分型平均准确率相对提升14%。

要点速读

  1. 论文提出 BrainGFM,以可复用、可重构的脑成像先验实现生成式知识迁移,而非仅复用预训练表征。
  2. 作者报告在约130万张MRI和CT切片上预训练,覆盖48项下游任务,并在少监督下改善分割与分类。
  3. 多中心验证纳入4796名卒中患者,盲评显示生成FLAIR整体诊断质量接近采集图像,人机协作使分型准确率相对提升14%。

中文摘要由 AI 根据公开来源生成,可能存在理解偏差;具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/11/4 08:00:28(北京时间)。 arXiv 日期为本次公告时间,论文初次投稿日期请查看原文版本记录。

阅读 arXiv · cs.AI 原文arxiv.org · 在新窗口打开