跳到正文
热点事件持续更新

作者提交医学图像表征学习论文v2

1 篇报道1 个报道来源8 小时前更新

先了解这件事

AI 综述

Philipp Wesp、Robbie Holland、Vasiliki Sideri-Lampretsa 和 Sergios Gatidis 提交了论文《Sparse Autoencoders for Interpretable Medical Image Representation Learning》的 v2 修订版。研究使用稀疏自编码器处理 BiomedParse 和 DINOv3 的嵌入，涉及 TotalSegmentator 中的 909,873 张 CT、MRI 二维切片。

AI 根据报道生成 · 1 小时前更新

最新进展10月28日 12:00
稀疏自编码器用于可解释的医学图像表征学习

报道时间线

沿着报道，了解事件的不同侧面。

10月28日
  1. arXiv · Machine Learning
    稀疏自编码器用于可解释的医学图像表征学习

    研究在 TotalSegmentator 的 909,873 张 CT、MRI 二维切片上，使用 Sparse Autoencoders（SAEs）处理 BiomedParse 和 DINOv3 的嵌入，以获得可解释的稀疏特征。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。