用于全面神经创伤分诊的非对比头部 CT 基础模型
图像与视频处理
2025-03-03 v1 计算机视觉与模式识别
摘要
人工智能与医学影像的最新进展为急诊头部 CT 解读带来了变革性潜力，有助于在此类扫描需求日益增长且全球放射科医师短缺的背景下缩短评估时间并提高准确性。本研究引入了一个 3D 基础模型，以高精度和高效率检测多种神经创伤表现。利用大语言模型（LLM）进行自动标注，我们为关键病况生成了全面的多标签标注。我们的方法包括预训练用于出血亚型分割和脑解剖分区的神经网络，并通过多模态微调将其整合至预训练的全面神经创伤检测网络中。针对专家标注的性能评估及与 CT-CLIP 的比较表明，在主要神经创伤表现（如出血和中线移位）以及较少见的关键病况（如脑水肿和动脉高密度）上均具有较强的分诊准确性。神经特异性特征的整合显著增强了诊断能力，在 16 种神经创伤病况上实现了 0.861 的平均 AUC。这项工作推进了医学影像中的基础模型，为未来急诊放射学中 AI 辅助神经创伤诊断树立了基准。
引用
@article{arxiv.2502.21106,
title = {A Non-contrast Head CT Foundation Model for Comprehensive Neuro-Trauma Triage},
author = {Youngjin Yoo and Bogdan Georgescu and Yanbo Zhang and Sasa Grbic and Han Liu and Gabriela D. Aldea and Thomas J. Re and Jyotipriya Das and Poikavila Ullaskrishnan and Eva Eibenberger and Andrei Chekkoury and Uttam K. Bodanapally and Savvas Nicolaou and Pina C. Sanelli and Thomas J. Schroeppel and Yvonne W. Lui and Eli Gibson},
journal= {arXiv preprint arXiv:2502.21106},
year = {2025}
}