<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>临床应用 on AI内参</title>
    <link>https://www.neican.ai/tags/%E4%B8%B4%E5%BA%8A%E5%BA%94%E7%94%A8/</link>
    <description>Recent content in 临床应用 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 12 Aug 2025 11:40:06 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/%E4%B8%B4%E5%BA%8A%E5%BA%94%E7%94%A8/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>GenSeg：生成式AI突破医疗数据鸿沟，加速精准医疗的“少样本”范式革命</title>
      <link>https://www.neican.ai/insights/gensegai-20250812114006604-5/</link>
      <pubDate>Tue, 12 Aug 2025 11:40:06 +0800</pubDate>
      <guid>https://www.neican.ai/insights/gensegai-20250812114006604-5/</guid>
      <description>加州大学圣地亚哥分校的GenSeg框架通过创新的端到端生成式AI，以极少标注数据（1/8至1/20）实现医学图像分割的高性能，解决了医疗AI数据匮乏的痛点。该技术通过将数据生成与模型训练深度耦合，有望显著降低医疗AI部署成本，加速精准医疗的普惠化进程，并引领AI从“数据饥渴”走向“数据高效”的新范式。</description>
    </item>
  </channel>
</rss>
