研究提出选择性关联精度指标评估医学VLM隐私风险
热点事件持续更新
研究提出选择性关联精度指标评估医学VLM隐私风险
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Soroosh Tayebi Arasteh 等作者提出“选择性关联精度”指标，用于衡量按性别、年龄段、投照体位等属性过滤候选报告后，已发布医学视觉语言模型在最高置信度查询中正确匹配胸部X光影像与报告的比例，以此评估隐私风险。 在 ReXGradient-160K 上，MedSigLIP-448 在预算 100 时精度为 67.68%，仅用属性策略为 24.99%，仅用模型为 1.98%；加入采集年份后精度升至 99.05%。作者称该指标无需重训练即可推理，可帮助医院评估应公开哪些属性。
AI 根据报道生成 · 2 小时前更新
最新进展11月4日 13:00
选择性关联精度：评估已发布医疗视觉语言模型的隐私风险报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv cs.CL选择性关联精度：评估已发布医疗视觉语言模型的隐私风险
研究提出“选择性关联精度”指标，衡量按性别、年龄段、投照体位等属性过滤候选报告后，视觉语言模型在最高置信度查询中正确匹配影像与报告的比例。在 ReXGradient-160K 上，MedSigLIP-448 在预算 100 时精度达 67.68%，而仅用属性策略为 24.99%、仅用模型为 1.98%；加入采集年份后精度升至 99.05%。该指标无需重训练即可推理，可帮助医院评估应公开哪些属性。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。