Zero-Shot Performance of Six Vision-Language Models for Lung Nodule Detection on Chest Radiographs
Rattachement africain : jp, ch. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
Six vision-language models (RadVLM, gpt-4o-mini, Qwen3-VL-8B-Instruct, MedGemma-4b-it, LLaVA-Rad, CheXpert Plus Model) underwent zero-shot testing for lung nodule detection on chest radiographs. The models exhibited accuracies of 36.4–44.5%, sensitivities of 0.6–27.3%, and specificities of 71.0–100.0%, highlighting the need for caution in applying VLMs for chest radiography interpretation despite promising earlier studies.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Zero-Shot Performance of Six Vision-Language Models for Lung Nodule Detection on Chest Radiographs
- Date Crossref
- 05/08/2026
- Éditeur
- American Roentgen Ray Society
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.