Optimizing retinal images based carotid atherosclerosis prediction with explainable foundation models
6.5
来源：
Nature
关键字：
medical imaging+deep learning
发布时间：
2025-10-01 03:54
摘要：
本研究系统评估了基础模型在颈动脉粥样硬化分类中的表现，使用39,620名个体的数据，比较了不同微调方法的效果。结果显示，DINOv2与LoRA微调模型在分类准确性和临床预后方面表现最佳，强调了视网膜成像在心血管疾病筛查中的潜力。研究提出了一种多维评估框架，以优化模型选择和微调策略，增强预测准确性和临床相关性。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
0.5
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.0
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
0.5
关键证据
研究评估了39,620名个体的数据，显示出基础模型在颈动脉粥样硬化预测中的有效性。
DINOv2与LoRA微调模型在分类准确性和临床效用方面表现最佳。
研究强调了视网膜成像在心血管疾病筛查中的潜力，支持了早期检测的重要性。
真实性检查
否
AI评分总结
本研究系统评估了基础模型在颈动脉粥样硬化分类中的表现，使用39,620名个体的数据，比较了不同微调方法的效果。结果显示，DINOv2与LoRA微调模型在分类准确性和临床预后方面表现最佳，强调了视网膜成像在心血管疾病筛查中的潜力。研究提出了一种多维评估框架，以优化模型选择和微调策略，增强预测准确性和临床相关性。