CTForensics：用于 AI 生成 CT 图像检测的全面数据集与方法
计算机视觉与模式识别
2026-03-03 v1
摘要
随着生成式 AI 在医学成像领域的快速发展，合成的CT（计算机断层扫描）图像在数据增强和临床诊断等应用场景中展现出巨大的潜力，但也带来了严重的安全风险。尽管日益增长的安全关注使 CT 伪造检测研究受到重视，但现有研究仍有限，未能充分应对实际场景的挑战。这些局限主要体现在两个方面：缺乏能够有效评估模型泛化能力的数据集，无法满足实际应用需求；以及依赖针对自然图像设计的检测方法，对 CT 特有的伪造痕迹不敏感。为此，我们提出了CTForensics——一个系统性地评估 CT 伪造检测方法泛化能力的全面数据集，其中包含十种多样化的 CT 生成方法。此外，我们引入了增强型时空-CT 伪造检测器（ESF-CTFD），这是一种基于卷积神经网络的高效模型，能够跨小波、空间和频率域捕获伪造线索。首先，将输入 CT 图像转换为三个尺度，并通过小波增强中枢提取各尺度的特征。随后，自大尺度特征开始，空间处理模块逐步与小尺度特征进行特征融合。最后，频率处理模块学习频率域信息以预测最终结果。实验表明，ESF-CTFD 在所有现有方法上均表现出色，并在不同 CT 生成模型之间展现出优异的泛化能力。
引用
@article{arxiv.2603.01878,
title = {CTForensics: A Comprehensive Dataset and Method for AI-Generated CT Image Detection},
author = {Yiheng Li and Zichang Tan and Guoqing Xu and Yijun Ye and Yang Yang and Zhen Lei},
journal= {arXiv preprint arXiv:2603.01878},
year = {2026}
}
备注
under review, repo: https://github.com/liyih/CTForensics