多模态可解释AI预测乳腺活检结果，AUC达0.72

1. 00:29
   arXiv · cs.AI

   可解释多模态 AI 方法助力减少不必要的乳腺活检

   一项研究提出结合 Grad-CAM 可解释技术的多模态视觉-语言方法，预测 BI-RADS 4 和 5 患者的良性肿瘤，以减少不必要的乳腺活检。该框架用 Vision Transformer 提取影像特征、DeBERTa-V3-Large 生成文本嵌入，并经后期融合分类，在含 1,632 名患者的内部数据集上训练评估。多模态方法在测试集上取得最佳 AUC 0.72，优于仅影像（0.66）和仅文本（0.68）基线。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。