CTモデルの解剖学的文脈適応手法

• CTビジョンと言語の基盤モデルは有望な性能を示しているが、解剖学的信号が希薄になる。
• 本研究では、解剖学レベルの視覚と言語の整合性を高める軽量フレームワークを提案する。
• ACAは、グローバルな文脈を保ちながら解剖学的適応を実現する新しいアプローチである。

CTビジョンと言語モデルは、下流タスクでの性能が期待されていますが、解剖学的な詳細が失われがちです。本研究では、解剖学レベルの視覚と言語の整合性を高めるための新しい軽量フレームワーク、Anatomy Contextualized Adaptation（ACA）を提案します。ACAは、CTボリュームを解剖学的埋め込みに分解し、グローバルな文脈を保持しつつ、効率的に学習を行います。この研究は、医療画像処理やAIに興味がある研究者に特に有用です。

医療画像処理やAIに興味がある研究者に向いています。特に、CT画像解析に関心がある方におすすめです。