Curia-2: 放射線学向け基盤モデルのための自己教師あり学習をスケールする
arXiv cs.CV / 2026/4/3
💬 オピニオンSignals & Early TrendsModels & Research
要点
- 本論文では、複雑なCT/MRIボリュームに対してより良い表現品質を目指す、放射線学向け基盤モデルのための改善された自己教師あり事前学習戦略「Curia-2」を紹介する。
- これにより、マルチモーダルのCTおよびMRIモデルに対して、Vision Transformerアーキテクチャを10億パラメータ規模までスケールできるようになり、放射線学における基盤モデル化の重要な前進として位置付けられる。
- 著者らは、スライスベースのモデル評価と、ボリューム（3D）ベースのモデル評価のベンチマークにより適合させるために、CuriaBenchを2Dおよび3Dの別々の評価トラックへ拡張する。
- 結果として、Curia-2は視覚のみのタスクにおいて従来の基盤モデルを上回り、検出などの臨床的に複雑な目的においては視覚言語モデルと競争力のある性能を示す。
- 本研究では、追加の研究を支援するためにモデル重みを公開する予定であると述べている。
