EVA-X：基于自监督学习的通用胸部 X 射线分析基础模型
计算机视觉与模式识别
2024-05-09 v1
摘要
胸部疾病的诊断和治疗在维护人类健康中发挥着至关重要的作用。由于其高效性和成本效益，X 射线检查已成为最常见的临床检查手段。针对胸部 X 射线图像的人工智能分析方法受限于标注数据不足和标注水平不一，导致泛化能力弱且难以在临床推广。在此，我们提出 EVA-X，这是一种基于 X 射线图像的创新基础模型，对各种胸部疾病检测任务具有广泛的适用性。EVA-X 是首个基于 X 射线图像的自监督学习方法，能够从无标签图像中捕捉语义和几何信息，以实现通用的 X 射线图像表示。通过大量实验，EVA-X 在胸部疾病分析和定位方面展现出卓越性能，成为首个能够跨越 20 多种不同胸部疾病并在医学领域 11 种以上不同检测任务中取得领先结果的模型。此外，EVA-X 显著减轻了医疗 AI 领域的数据标注负担，在少样本学习领域展现出强大潜力。EVA-X 的出现将极大推动医疗基础模型的发展与应用，为未来的医学研究和临床实践带来革命性变化。我们的代码和模型可在以下地址获取：https://github.com/hustvl/EVA-X。
引用
@article{arxiv.2405.05237,
title = {EVA-X: A Foundation Model for General Chest X-ray Analysis with Self-supervised Learning},
author = {Jingfeng Yao and Xinggang Wang and Yuehao Song and Huangxuan Zhao and Jun Ma and Yajie Chen and Wenyu Liu and Bo Wang},
journal= {arXiv preprint arXiv:2405.05237},
year = {2024}
}
备注
codes available at: https://github.com/hustvl/EVA-X