多类体积放射科学图像的内容基于图像检索：基准研究

虽然内容基于图像检索 (CBIR) 在自然图像检索中已广泛研究，但其应用于医学图像仍面临挑战，主要是由于医学图像的 3D 特性。近期研究表明，预训练的视觉嵌入在放射科学图像检索上下文中具有潜在应用。然而，缺乏针对 3D 体积医学图像检索的基准测试，阻碍了客观评估和比较 CBIR 方法在医学成像中的效率。本研究延续了之前的工作，建立了一个用于基于区域和局部的多器官检索的基准测试，使用 TotalSegmentator 数据集 (TS) 包含详细的多器官注释。我们对比评估了从医学图像上预训练的监督模型派生的嵌入与从非医学图像上预训练的无监督模型派生的嵌入，用于 volume 和 region 级别的 29 个粗糙和 104 个详细解剖结构。对于体积图像检索，我们采用受文本匹配启发的 late interaction 重排方法。我们将其与用于 volume 和 region 检索的原始方法进行比较，实现了对各种解剖区域的检索召回率为 1.0，且能够处理尺寸范围广的解剖区域。本文所述的发现和方法为医学成像背景下 CBIR 方法的进一步开发和评估提供了见解和基准。