待验证50% 置信基准精确时间

MedScribe AI 底层使用在 Kaggle 儿科胸片数据集上训练的 ResNet18 模型，并借助 TorchXRayVision 开源医学影像基础模型，据项目方公布的数据达到90.5%准确率、98.4%精确率、93.2% F1分数。

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/10/15

首次发现

有效期至：2027/1/13

来源

MedScribe AI：开源AI代理如何生成放射科报告

涉及实体

MedScribe AIproduct ResNet18model TorchXRayVisionproduct Kaggle 儿科胸片数据集concept

相关事实

待验证合成数据生成借助GAN或扩散模型制造逼真的医学影像来扩充训练集61% 相似待验证在ImageNet-1k监督训练场景中，从头训练的reViT-B/16达到与DeiT III相当的精度，而存储参数减少了约70%。60% 相似已验证欧盟《AI法案》要求GPAI提供者发布足够详细的训练数据摘要，系统性风险模型以10^25 FLOPs计算量为阈值60% 相似待验证一位Reddit用户报告使用约300万参数的预训练U-Net，训练集550张图像、验证集150张图像，单独用交叉熵损失时收敛良好，引入Dice损失后Dice分数出现剧烈波动59% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1033265

API

curl https://kongchang.com/api/v1/knowledge/claims/1033265

MCP

get_claim(id=1033265)