Buchumschlag

Compute-Efficient Medical Image Classification with Softmax-Free Transformers and Sequence Normalization

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Khader, Firas, Nahhas, Omar S. M. El, Han, Tianyu, Müller-Franzes, Gustav, Nebelung, Sven, Kather, Jakob Nikolas, Truhn, Daniel
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Medical Slice Transformer: Improved Diagnosis and Explainability on 3D Medical Images with DINOv2
von: Müller-Franzes, Gustav, et al.
Veröffentlicht: (2024)

On Instabilities of Unsupervised Denoising Diffusion Models in Magnetic Resonance Imaging Reconstruction
von: Han, Tianyu, et al.
Veröffentlicht: (2024)

Diagnostic Accuracy of Open-Source Vision-Language Models on Diverse Medical Imaging Tasks
von: Müller-Franzes, Gustav, et al.
Veröffentlicht: (2025)

MedicalPatchNet: A Patch-Based Self-Explainable AI Architecture for Chest X-ray Classification
von: Wienholt, Patrick, et al.
Veröffentlicht: (2025)

Enhancing Network Initialization for Medical AI Models Using Large-Scale, Unlabeled Natural Images
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2023)

Joint multi-task learning improves weakly-supervised biomarker prediction in computational pathology
von: Nahhas, Omar S. M. El, et al.
Veröffentlicht: (2024)

Abnormality-Driven Representation Learning for Radiology Imaging
von: Ligero, Marta, et al.
Veröffentlicht: (2024)

Large Language Models Streamline Automated Machine Learning for Clinical Studies
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2023)

In-context learning enables multimodal large language models to classify cancer pathology images
von: Ferber, Dyke, et al.
Veröffentlicht: (2024)

Resolution scaling governs DINOv3 transfer performance in chest radiograph classification
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2025)

Reducing self-supervised learning complexity improves weakly-supervised classification performance in computational pathology
von: Lenz, Tim, et al.
Veröffentlicht: (2024)

Benchmarking Pathology Feature Extractors for Whole Slide Image Classification
von: Wölflein, Georg, et al.
Veröffentlicht: (2023)

From Clinical Intent to Clinical Model: Autonomous Coding-Agents for Clinician-driven AI Development
von: Zhao, Zihao, et al.
Veröffentlicht: (2026)

An Ordinal Regression Framework for a Deep Learning Based Severity Assessment for Chest Radiographs
von: Wienholt, Patrick, et al.
Veröffentlicht: (2024)

Hallucination Filtering in Radiology Vision-Language Models Using Discrete Semantic Entropy
von: Wienholt, Patrick, et al.
Veröffentlicht: (2025)

LLM Agents Making Agent Tools
von: Wölflein, Georg, et al.
Veröffentlicht: (2025)

RadioRAG: Online Retrieval-augmented Generation for Radiology Question Answering
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2024)

Differential privacy representation geometry for medical image analysis
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2026)

Cross-modal linkage risk in clinical vision-language models
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2026)

Three-dimensional end-to-end deep learning for brain MRI analysis
von: Juglan, Radhika, et al.
Veröffentlicht: (2025)

Case-Grounded Evidence Verification: A Framework for Constructing Evidence-Sensitive Supervision
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2026)

Can Agents Distinguish Visually Hard-to-Separate Diseases in a Zero-Shot Setting? A Pilot Study
von: Zhao, Zihao, et al.
Veröffentlicht: (2026)

Autonomous Artificial Intelligence Agents for Clinical Decision Making in Oncology
von: Ferber, Dyke, et al.
Veröffentlicht: (2024)

LongHealth: A Question Answering Benchmark with Long Clinical Documents
von: Adams, Lisa, et al.
Veröffentlicht: (2024)

SwarmMAP: Swarm Learning for Decentralized Cell Type Annotation in Single Cell Sequencing Data
von: Goepp, Vivien, et al.
Veröffentlicht: (2025)

Class Visualizations and Activation Atlases for Enhancing Interpretability in Deep Learning-Based Computational Pathology
von: Gustav, Marco, et al.
Veröffentlicht: (2026)

Benchmarking foundation models as feature extractors for weakly-supervised computational pathology
von: Neidlinger, Peter, et al.
Veröffentlicht: (2024)

Hardware-Efficient Softmax and Layer Normalization with Guaranteed Normalization for Edge Devices
von: Choi, Dawon, et al.
Veröffentlicht: (2026)

A European Multi-Center Breast Cancer MRI Dataset
von: Müller-Franzes, Gustav, et al.
Veröffentlicht: (2025)

HistoPrism: Unlocking Functional Pathway Analysis from Pan-Cancer Histology via Gene Expression Prediction
von: Hu, Susu, et al.
Veröffentlicht: (2026)

Role of artificial intelligence in haematolymphoid diagnostics
von: Charlotte Syrykh, et al.
Veröffentlicht: (2024)

Large Language Model-Based Uncertainty-Adjusted Label Extraction for Artificial Intelligence Model Development in Upper Extremity Radiography
von: Kreutzer, Hanna, et al.
Veröffentlicht: (2025)

Trio-ViT: Post-Training Quantization and Acceleration for Softmax-Free Efficient Vision Transformer
von: Shi, Huihong, et al.
Veröffentlicht: (2024)

The case for homebrew AI in diagnostic pathology
von: Julien Calderaro, et al.
Veröffentlicht: (2025)

Reusing Softmax Hardware Unit for GELU Computation in Transformers
von: Peltekis, Christodoulos, et al.
Veröffentlicht: (2024)

Private, fair and accurate: Training large-scale, privacy-preserving AI models in medical imaging
von: Arasteh, Soroosh Tayebi, et al.
Veröffentlicht: (2023)

Agentic Systems in Radiology: Design, Applications, Evaluation, and Challenges
von: Bluethgen, Christian, et al.
Veröffentlicht: (2025)

Interoperator Variations in Interpretation of Cone Beam Computed Tomography for Dental Implant Treatment Planning: A Retrospective Observational Study
von: Anas Abdul Khader
Veröffentlicht: (2026)

Adaptive Sparse Softmax: An Effective and Efficient Softmax Variant
von: Lv, Qi, et al.
Veröffentlicht: (2025)

T2 Radiomic Features Are More Sensitive Than Mean T2 for Cartilage Load Response: A Stress MRI Study
von: Lemainque, Teresa, et al.
Veröffentlicht: (2025)