NeuroVFM : un modèle de fondation en neuro-imagerie entraîné sur les données brutes de l'hôpital | HarmonyFidelis

Un modèle 3D dont l'encodeur est entraîné sans étiquettes sur 5,24 millions de volumes CT et IRM de routine atteint 92,68 % d'AUROC sur 82 diagnostics scanner et 92,49 % sur 74 diagnostics IRM. À archive identique, c'est l'objectif d'entraînement — la prédiction en espace latent — qui creuse l'écart.