
NeuroVFM entraîne une IA médicale sur 5 millions de scanners cérébraux non triés sans étiquettes humaines
Un nouveau modèle de fondation en neuroimagerie appelé NeuroVFM a démontré que l’apprentissage auto-supervisé sur des données hospitalières non triées, sans rapports de radiologues, étiquettes de maladies ni curation manuelle, peut surpasser les modèles supervisés par le langage sur 156 tâches diagnostiques, y compris le triage prospectif. Les travaux sont publiés dans Nature Medicine, avec […]









