Newest papers

A Multi-Agent Framework for Automated Machine Learning with Evidence-based Planning for Medical Image Analysis

Yiqing Shen, Mathias Unberath · 2026 · arXiv

DOI: 10.48550/arXiv.2610.28410 · open-access PDF

Vietnamese

Học sâu đã trở thành công cụ mặc định cho phân tích hình ảnh y tế, được thúc đẩy bởi phong trào mã nguồn mở. Tuy nhiên, đạt được hiệu suất tốt nhất trên một nhiệm vụ nhất định vẫn còn khó khăn, với việc lựa chọn kiến trúc và tối ưu hóa siêu tham số (HPO) vẫn được coi là "hơn là một nghệ thuật hơn là một khoa học". Học máy tự động (AutoML) tự động hóa các phần của đào tạo mô hình, nhưng giúp ít trong hình ảnh y tế: các phương pháp tiếp cận mục đích chung thiếu kiến trúc y tế và xử lý trước, và các phương pháp tập trung y tế đòi hỏi chuyên môn kỹ thuật và vẫn bị giới hạn trong các nhiệm vụ hẹp như phân đoạn 3D.

Machine translation (Meta M2M100); the English original follows.

Abstract

Deep learning has become the default tool for medical image analysis, driven by the open-source movement. However, achieving the best performance on a given task remains difficult, with architecture selection and hyperparameter optimization (HPO) still considered "more of an art than a science". Automated machine learning (AutoML) automates parts of model training, yet helps little in medical imaging: general-purpose approaches lack medical architectures and preprocessing, and medical-focused ones demand engineering expertise and remain confined to narrow tasks such as 3D segmentation. We intr

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange