محققان در جدیدترین پژوهش خود از فریمورک جدیدی به نام «Tool Bottleneck Framework» (TBF) رونمایی کردند که هدفش تغییر نحوه تعامل مدلهای زبانی-تصویری (VLM) با تصاویر پزشکی است.
این مدل برخلاف روشهای سنتی که صرفاً از متن برای تحلیل استفاده میکنند، با ترکیب ویژگیهای فضایی و بصری در یک شبکه عصبی (TBM)، ابزاری دقیقتر، قابلتفسیرتر و کاربردیتر برای متخصصان علوم پزشکی فراهم میکند. این پیشرفت میتواند گام بزرگی برای کاهش خطاهای تشخیص پزشکی توسط هوش مصنوعی باشد. 🩺💡
منبع: arXiv Computer Vision