AI 模型 SLIViT 颠覆 3D 医学图像分析

加州大学洛杉矶分校的研究人员推出了一款名为 SLIViT 的突破性 AI 模型，能够以前所未有的速度和准确性分析 3D 医学图像。据 NVIDIA 技术博客报道，这一创新有望显著减少与传统医学影像分析相关的时间和成本。

高级深度学习框架

SLIViT，即切片整合视觉转换器，通过深度学习技术处理各种医学成像模式的图像，如视网膜扫描、超声波、CT 和 MRI。该模型能够识别潜在的疾病风险生物标记物，提供全面且可靠的分析，堪比人体临床专家。

新颖的训练方法

在 Dr. Eran Halperin 的领导下，研究团队采用了一种独特的预训练和微调方法，利用大型公共数据集。这种方法使 SLIViT 能够超越现有针对特定疾病的模型。Halperin 博士强调模型普及医疗成像的潜力，使专家级分析变得更加可及且经济实惠。

技术实施

SLIViT 的开发得到了 NVIDIA 高级硬件（包括 T4 和 V100 Tensor Core GPU）以及 CUDA 工具包的支持。这一技术支持在实现模型的高性能和可扩展性方面至关重要。

对医学影像的影响

SLIViT 的引入正值医学影像专家面临繁重工作负担之际，往往导致患者治疗的延迟。通过实现快速准确的分析，SLIViT 有可能改善患者的治疗效果，特别是在医疗专家有限的地区。

意外发现

发表在《自然生物医学工程》上的研究的首席作者 Dr. Oren Avram 强调了两个令人惊讶的结果。尽管主要在 2D 扫描上训练，SLIViT 仍能够有效识别 3D 图像中的生物标记物，这一成就通常仅在训练过 3D 数据的模型中存在。此外，该模型展示了令人印象深刻的迁移学习能力，能够跨不同成像模式和器官适应其分析。

这种适应性强调了模型颠覆医学成像的潜力，使得以最小的人工干预分析各种医学数据成为可能。