由于必要的定期维护,JMIR出版物网站将从卡塔尔世界杯8强波胆分析美国东部时间2020年7月1日,星期三晚上8点至10点.对于可能给您带来的任何不便,我们提前表示歉意。
谁会受到影响?
- 读者:不能访问所有28本期刊。我们建议访问我们的文章公共医学中心
- 作者:无法访问提交表单或您的用户帐户。
- 评审人员:无法访问您的用户帐户。请先下载审阅稿,以便线下阅读2020年7月1日,星期三,下午7:00.
- 编辑:不能访问您的用户帐户来分配审查员或做决定。
- Copyeditors:无法访问用户帐户。请下载您之前正在复制的稿件2020年7月1日,星期三,下午7:00.
提交日期:2022年9月30日
公开同行评议期:2022年9月30日- 11月25日
(现正接受检讨)
警告:这是一个作者提交,没有同行评审或编辑。预印本——除非它们显示为“被接受的”——不应被用来指导临床实践或与健康相关的行为,也不应作为既定信息在新闻媒体上报道。
- 丽莎·亚当斯;
- Felix布施;
- 丹尼尔Truhn;
- 马库斯·r·马克维斯奇;
- 雨果JWL Aerts;
- 基诺k .玛丽
摘要
生成模型,如DALL-E 2,如果这些模型具有足够的医学领域知识,就可以代表在放射学人工智能研究中图像生成、增强和操作的有前途的未来工具。在这里,我们展示了DALL-E 2已经学习了x射线图像的相关表示,在新图像的零镜头文本到图像生成、图像超出原始边界的延续或删除元素方面具有很好的能力,而病理生成或CT、MRI和超声图像仍然有限。因此,使用生成模型来增强和生成放射数据似乎是可行的,即使首先需要对这些模型进行进一步的微调和适应各自的领域。
引用
请列举:
Adams L, Busch F, Truhn D, Makowski MR, Aerts HJ, Bressem KK
DALL-E 2对放射学了解多少?
JMIR 30/09/2022:43110预印本。
下载
请求排队。正在生成文件,请稍候。这可能需要一些时间。
版权
作者©。保留所有权利。这是一份目前正在同行评审/社区评审(或接受/拒绝的稿件)的特权文件。作者已向JMIR出版物提供了独家许可,在其网卡塔尔世界杯8强波胆分析站上发布本预印本,只用于审查和印刷前引用目的。虽然最终的同行评议论文可以在cc-by许可下发表,但在这个阶段,作者和出版商明确禁止除审查目的外的论文草稿的再分发。