STAMP：用于纵向医学图像的随机MAE

Research Paper#Medical Image Analysis, Self-Supervised Learning, Temporal Modeling🔬 Research|分析: 2026年1月3日 18:49•
发布: 2025年12月29日 13:00
•
1分で読める
•ArXiv

分析

本文介绍了STAMP，一种用于纵向医学图像的新型自监督学习方法（Siamese MAE）。它解决了现有方法在捕捉时间动态方面的局限性，特别是疾病进展中固有的不确定性。基于时间差的随机方法是关键的创新。本文的重要性在于它有可能改善疾病进展预测，特别是对于AMD和阿尔茨海默病等需要理解时间变化的疾病。在多个数据集上的评估以及与现有方法的比较进一步增强了本文的影响力。
引用 / 来源
查看原文
"STAMP pretrained ViT models outperformed both existing temporal MAE methods and foundation models on different late stage Age-Related Macular Degeneration and Alzheimer's Disease progression prediction."
A
ArXiv2025年12月29日 13:00
* 根据版权法第32条进行合法引用。
较旧

Bandwidth Selection of Density Estimators over Treespaces

较新

ClinDEF: A Dynamic Evaluation Framework for Large Language Models in Clinical Reasoning

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv