Göğüs Röntgeni Analizi için Yapay Zeka: RAD-DINO-MAIRA-2 ile Altı Patolojinin Sınıflandırılması
Microsoft
Bir araştırmacı, donmuş RAD-DINO-MAIRA-2 kodlayıcı ve küçük bir eğitilebilir kafa kullanarak altı göğüs patolojisi için çok etiketli bir sınıflandırıcı geliştirdi. Model, VinBigData ve OpenI'den 22.466 röntgen görüntüsüyle eğitildi ve doğrulama setinde 0,9025 makro AUC'ye ulaştı. Proje, RunPod'da yaklaşık 300 ABD dolarına mal oldu ve klinik bir cihaz değil, bir araştırma prototipidir.
Ekim 2025'ten Nisan 2026'ya kadar yazar, bir göğüs röntgeni alıp kardiyomegali, atelektazi, konsolidasyon, plevral efüzyon, pnömotoraks ve ödem olmak üzere altı patoloji için bağımsız olasılıklar (0-1) üreten bir araştırma prototipi geliştirdi. Yaklaşım, donmuş bir Microsoft RAD-DINO-MAIRA-2 kodlayıcısını (yaklaşık 1,4 milyon röntgen üzerinde önceden eğitilmiş DINOv2) küçük bir kafa ile (KatmanNorm → Doğrusal(768→256) → GELU → Bırakma → Doğrusal(256→6)) kullanır ve 86,8 milyon parametreden yalnızca 199.942'sini eğitir. Eğitimde AdamW, 64'lük toplu iş boyutu, bf16 hassasiyeti kullanıldı ve RunPod'da bir A100 80GB üzerinde yaklaşık 300 dolara mal oldu. Veriler VinBigData (15.000 görüntü) ve OpenI'den (7.466 görüntü) geldi; OpenI etiketleri, radyoloji raporlarının kural tabanlı ayrıştırılması yoluyla çıkarıldı ve toplam 22.466 görüntü 85/15 oranında bölündü. Yazar önce DenseNet121'i denedi ancak ilgili anatomik bölgelere odaklanamadığı için vazgeçti; ısı haritaları eserler ve ilgisiz bölgelere dikkat edildiğini gösterdi. Proje açıkça segmentasyon veya rapor oluşturmayı hariç tutar ve klinik kullanım için onaylanmamıştır; yazar, Rusya'da Sınıf 3 tıbbi cihaz olarak kaydettirmek için klinik deneyler yapacak bir kuruluş aramaktadır.
Kaynak: Habr — хаб ИИ —
orijinal