3D CT 扫描中肺病诊断的提升
图像与视频处理
2025-07-02 v1 计算机视觉与模式识别
摘要
为实现对胸部 CT 扫描中肺病的更准确诊断，我们提出了一个简洁而有效的模型。首先，我们分析 3D CT 扫描的特征并移除非肺区域，这有助于模型聚焦于病灶相关区域并降低计算成本。我们采用 ResNeSt50 作为强大的特征提取器，并使用加权交叉熵损失来缓解类别不平衡，尤其是针对欠代表的鳞状细胞癌类别。我们的 模型在 Fair Disease Diagnosis Challenge 验证集上实现了 0.80 的宏平均 F1 分数，显示出在区分不同肺部疾病方面具有强大的性能。
引用
@article{arxiv.2507.00993,
title = {Advancing Lung Disease Diagnosis in 3D CT Scans},
author = {Qingqiu Li and Runtian Yuan and Junlin Hou and Jilan Xu and Yuejie Zhang and Rui Feng and Hao Chen},
journal= {arXiv preprint arXiv:2507.00993},
year = {2025}
}