MEMOIR-VLM 论文：结合脑扫描与临床评分，痴呆分类准确率 91.3%
PTenigma · x · 2026-10-07
发表于 Frontiers in Computational Neuroscience 的 MEMOIR-VLM 论文提出将脑部扫描与临床评分结合进行认知状态判别，即使部分输入缺失也能工作。
在留出的 ADNI 数据上，模型区分认知正常与痴呆的 balanced accuracy 达到 91.3%。方法面向阿尔茨海默病辅助诊断场景，属于 AI for Science / 医学 AI 方向。
「研究」频道最新
- ProofAtlas 发布 LLM 评估的 500 大数学开放问题排名 — RexDouglass · 2026-10-07
- COLM 2026 杰出论文奖揭晓,CMU 团队获奖致谢 — dan_fried · 2026-10-07
- 训练小技巧：随机化 20% 样本的 SWA 跨度，全序列损失收敛更快 — kalomaze · 2026-10-07
- Parsewave 审计:AutomationBench 600 公开任务中 206 个验证器有严重问题 — rohanpaul_ai · 2026-10-07
- 数学家仍在啃 OpenAI 160 页纳维-斯托克斯证明，Claude 生成 8 步 3D 讲解视频 — imjustnewatai · 2026-10-07
- kalomaze 解读长序列训练梯度分布：条件信息与不确定性是关键 — kalomaze · 2026-10-07