arXiv · cs.CL· Haozhe Luo·· 3 天前AI 评分15
Meta-CLIP：面向零样本疾病推理的元数据条件对比学习框架
Meta-CLIP: Metadata-Conditioned Contrastive Learning for Zero-Shot Disease Inference
来源与原文
arXiv · cs.CL
作者：Haozhe Luo
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.33674v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者提出 Meta-CLIP，一种元数据条件对比学习框架，在医学视觉-语言预训练中利用 DICOM 采集元数据相似度重新加权跨模态负样本，推理时无需元数据。在 CT-RATE 上，Meta-CLIP 的 macro-AUROC 较 CT-CLIP 提升 1.41 点（95% 置信区间 0.96–1.85），并在五个 CXR 基准中的四个取得最高 macro-AUROC。代码将在论文发表后公开。
来源：arXiv · cs.CL · arxiv.org