Lancet子刊:基于超4000万张面部图像预训练的FAHR-Face模型可实现生物年龄估算与生存预测
Lancet子刊:拍张照就能预测生存期?癌症预后迎来 AI 面部生物标志物
基于超4000万张无标注面部图像预训练的面部健康识别基础AI模型FAHR-Face,可定向微调用于生物年龄估算(FAHR-FaceAge)与生存预测(FAHR-FaceSurvival)。该模型依托掩码自编码器技术,有望将经验性"面诊"转化为可量化、易推广的标准化评估工具。
13分钟前 清泉心田 MedSci原创 发表于上海
基于大规模人脸数据预训练的基础模型,仅需少量标注临床数据即可高效微调,生成低成本、易推广的面部影像生物标志物,同时捕捉生理衰老进程与疾病相关死亡风险。
深度解析医学证据,DeepEvidence为你支撑决策 面部外观是洞察人体健康状态的无创窗口,其形态变化可反映遗传易感性、环境暴露、疾病进程与生活习惯的累积效应,与生理衰老、肿瘤发生发展密切相关。既往人工智能模型已实现基于面部图像的年龄估算、罕见病识别等功能,但多依赖规模有限、存在偏倚的监督数据集,跨人群泛化能力不足,且无法直接预测生存等核心临床结局。 本研究构建了面部健康识别基础人工智能模型(Foundation Artificial Intelligence for Health Recognition-Face, FAHR-Face),依托掩码自编码器技术在超 4000 万张面部图像上完成自监督预训练,并定向微调形成两大临床工具:用于生物年龄估算的 FAHR-FaceAge 与用于生存预测的 FAHR-FaceSurvival,旨在将经验性的 “面诊” 转化为可量化、可推广的标准化评估工具。 研究采用 “通用基础模型预训练 + 临床任务微调” 的技术框架: 基础模型预训练:基于 WebFace42M 数据集的超 4000 万张无标注面部照片,通过掩码自编码器进行自监督学习,学习面
小提示:本篇资讯需要登录阅读,点击跳转登录
版权声明:
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章,或“梅斯号”自媒体发布的文章,仅系出于传递更多信息之目的,本站仅负责审核内容合规,其内容不代表本站立场,本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
来源:梅斯医学·临床资讯 · news.medsci.cn
