医学图像分割：基础模型适配与专用训练对比

Emre Kutlusan 与 Yongmin Li 发表研究，将 DINOv2 基础模型以仅调 bias 项至全量微调等方式适配，并与从零训练的 U-Net、ResU-Net 在结肠镜、乳腺超声和皮肤镜数据上对比。结果显示，适配后的基础模型在所有外部机构数据集上泛化更好；训练分布内数据充足时，任务专用模型仍具竞争力且边界更精确，而基础模型更易漏检小病灶。 研究称，仅需适配基础模型的一小部分，所需容量由成像域而非适配方法决定。

AI 根据报道生成 · 48 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。