胸部 X 光片的生成式基础模型
计算机视觉与模式识别
2025-09-05 v1
摘要
医学图像稀缺且注释不完整是开发可靠医疗 AI 模型的主要障碍。生成式基础模型在自然图像上的技术取得了显著进展。本文开发了 ChexGen，一款用于胸部 X 光片的生成式视觉语言基础模型，引入统一框架实现文本、掩码和边界框引导的胸部 X 光合成。基于潜在扩散变换器架构，ChexGen 在迄今为止规模最大的精选胸部 X 光数据集上预训练，包含 96 万对 X 光片-报告配对。ChexGen 通过专家评估和定量指标实现了 X 光片的准确合成。我们展示了 ChexGen 在训练数据增强和监督性预训练中的实用性，这些技术措施在使用小部分训练数据的情况下，提升了疾病分类、检测和分割任务的性能。进一步地，我们的模型实现了多样化患者队列的创建，通过检测和消除人口统计学偏见来增强模型公平性。我们的研究支持生成式基础模型在构建更准确、数据高效且公平的医疗 AI 系统中的变革性作用。
引用
@article{arxiv.2509.03903,
title = {A Generative Foundation Model for Chest Radiography},
author = {Yuanfeng Ji and Dan Lin and Xiyue Wang and Lu Zhang and Wenhui Zhou and Chongjian Ge and Ruihang Chu and Xiaoli Yang and Junhan Zhao and Junsong Chen and Xiangde Luo and Sen Yang and Jin Fang and Ping Luo and Ruijiang Li},
journal= {arXiv preprint arXiv:2509.03903},
year = {2025}
}