监督式LLM可在语言空间融合异构超声心动图AI输出
资讯摘要
论文提出一种基于监督式大语言模型的晚期融合模块，直接在语言空间汇总不同视图特异模型的预测发现语句与测量值，学习病例级融合函数，无需将异构输出转换为二值决策、概率或固定长度特征。作者在646名患者859次检查的患者级三折交叉验证中报告，该方法可在单一框架内整合异构输出，效果与所评估的最佳参考策略相当，并优于未经任务特定训练的通用LLM。
要点速读
- 方法直接聚合视图特异的预测发现语句和预测测量值，在语言空间学习病例级融合函数
- 无需模型特定的输出转换或依赖医学知识的特征工程
- 在646名患者859次检查的三折交叉验证中，效果与最佳参考策略相当，优于未做任务特定训练的通用LLM
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 2026/10/31 08:00:18（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。