Leggi di scala del trasferimento di conoscenze per l'imaging medico 3D

Una recente indagine pubblicata su arXiv (2605.06859) esplora le leggi di scala associate al trasferimento di conoscenze nell'imaging medico tridimensionale. Lo studio rivela che diverse modalità di imaging—TC, RM e PET—mostrano tassi di scala differenti durante la fase di pre-addestramento, caratterizzati da un trasferimento asimmetrico di conoscenze: migliorare un dominio attraverso l'addestramento può beneficiare significativamente un altro, mentre l'effetto opposto è spesso meno pronunciato. Sia la perdita di ricostruzione MAE che il trasferimento cross-dominio mostrano pattern di legge di potenza consistenti. I ricercatori inquadrano l'allocazione dei dati come una sfida di ottimizzazione delle leggi di scala, scoprendo una chiara configurazione hub-and-spoke. Questa ricerca offre una metodologia sistematica per integrare diversi domini di imaging all'interno di modelli foundation visivi nel campo dell'imaging medico.