面向肌肉骨骼 X 光片的通用大规模基础模型
计算机视觉与模式识别
2026-02-04 v1
摘要
人工智能 (AI) 在从 X 光片检测和表征肌肉骨骼疾病方面显示出前景。然而，大多数现有模型仍具有任务特定性、依赖标注且在疾病和解剖区域的普适性有限。虽然在大规模肌肉骨骼 X 光片上训练的通用基础模型在临床应用中迫切需要，但公开的数据集在规模和多样性方面仍有限，无法支持在广泛的肌肉骨骼条件和解剖部位上进行训练。本文提出 SKELEX，这是一个面向肌肉骨骼 X 光片的大规模基础模型，通过在 120 万张多样化、条件丰富的图像上进行自监督学习进行训练。该模型在 12 项下游诊断任务上进行评估，在骨折检测、骨关节炎分级和骨肿瘤分类方面普遍优于基线方法。此外，SKELEX 显示出零样本异常局部化能力，生成的错误图在无任务特定训练的情况下识别病灶区域。基于这一能力，我们开发了一个可解释的、受区域指导的骨肿瘤预测模型，该模型在独立的外部数据集上表现稳健，并部署为一个公开可访问的 Web 应用程序。总体而言，SKELEX 提供了一个可扩展的、标签高效且通用的人工智能框架，用于肌肉骨骼成像，为肌肉骨骼放射学的临床转化和数据高效研究奠定了基础。
引用
@article{arxiv.2602.03076,
title = {A generalizable large-scale foundation model for musculoskeletal radiographs},
author = {Shinn Kim and Soobin Lee and Kyoungseob Shin and Han-Soo Kim and Yongsung Kim and Minsu Kim and Juhong Nam and Somang Ko and Daeheon Kwon and Wook Huh and Ilkyu Han and Sunghoon Kwon},
journal= {arXiv preprint arXiv:2602.03076},
year = {2026}
}