BL
MarkTechPost • 16일 전
미시간대 신경영상 파운데이션 모델 'NeuroVFM' 공개
IMP 7/10
핵심 요약
미시간 대학교 연구진이 524만 건 이상의 임상 MRI 및 CT 데이터로 학습된 범용 신경영상 파운데이션 모델인 NeuroVFM을 공개했습니다. 이 모델은 3D 의료 영상에 맞춘 Vol-JEPA 아키텍처를 적용하여, 방사선 판독문 라벨링 없이도 뇌 해부학적 구조와 병리를 스스로 학습할 수 있는 것이 핵심입니다. 비정제 임상 데이터 기반의 높은 확장성으로 인해 향후 다양한 뇌 질환 진단 AI 연구에 중요한 기반 모델로 활용될 전망입니다.
번역된 본문
NeuroVFM은 미시간 대학교(University of Michigan)에서 개발한 범용 신경영상 파운데이션 모델(foundation model)로, 524만 개(5.24M)의 임상 MRI 및 CT 볼륨 데이터를 활용해 학습되었습니다. 이 모델의 기반이 되는 Vol-JEPA는 기존의 I-JEPA와 V-JEPA 방식을 3D 볼륨 의료 영상으로 확장한 것으로, 방사선 판독문 보고서 방식의 라벨(label) 없이도 뇌의 해부학적 구조와 병리를 자율적으로 학습할 수 있습니다.
‘비정제 임상 MRI 및 CT 볼륨 데이터로 Vol-JEPA 학습: 신경영상 파운데이션 모델 NeuroVFM을 만나다’라는 제목의 이 글은 마크테크포스트(MarkTechPost)에 가장 먼저 게재되었습니다.
원문 보기 (영어)
NeuroVFM is a generalist neuroimaging foundation model from the University of Michigan, trained on 5.24M clinical MRI and CT volumes. Its Vol-JEPA base extends I-JEPA and V-JEPA to volumetric medical imaging, learning brain anatomy and pathology without radiology-report labels.
The post Meet NeuroVFM: A New Neuroimaging Foundation Model Trained With Vol-JEPA on Uncurated Clinical MRI and CT Volumes appeared first on MarkTechPost.