Краткое содержание

arXiv:2510.00411v3 Тип объявления: замена Аннотация: Точная интерпретация рентгенограмм грудной клетки с использованием автоматизированных методов является критически важной задачей медицинской визуализации. В данной статье представлен сравнительный анализ контролируемого легкого свёрточного нейронного сети (CNN) и передового медицинского модели видения-речи (VLM) нулевого выстрела — BiomedCLIP — применительно к двум различным диагностическим задачам: обнаружение пневмонии на эталонной выборке PneumoniaMNIST и выявление туберкулёза на наборе данных Shenzhen TB. Наши эксперименты показывают, что контролируемые CNN демонстрируют высокую конкурентоспособность базовых решений в обоих случаях. Хотя производительность VLM в режиме нулевого выстрела изначально ниже, мы демонстрируем, что её потенциал может быть раскрыт простым, но важным способом: калибровкой порога принятия решения. Оптимизация классификационного порога на проверочном наборе значительно повышает эффективность BiomedCLIP на обеих базах данных. Для обнаружения пневмонии калибровка позволяет модели нулевого выстрела VLM достичь превосходства