EXACT：面向 3D 胸部 CT 的可解释、异常感知的视觉基础模型
计算机视觉与模式识别
2026-04-28 v1
摘要
胸部计算机断层扫描 (CT) 是检测和管理胸腔疾病的核心手段,然而随着体积成像规模和复杂度的不断增长,已超出仅通过扫描级别预测所能应对的范围。临床有用且可解释的 CT AI 不仅必须能够整体识别疾病,还必须局部标记异常部位并提供可解释的视觉证据。现有的视觉-语言基础模型通常会压缩扫描和报告以形成全局图像-文本表示,限制了其保留空间证据并支持临床有意义解释的能力。本文开发了 EXACT,一个用于三维胸部 CT 的可解释、异常感知的基础模型,其从配对临床扫描和放射科报告中学习空间分辨表示。EXACT 在 25,692 对 CT-报告对上进行解剖学感知的弱监督预训练,联合学习器官分割和多实例异常局部化,而无需手动的体素级标注。结果得到的器官特定异常感知图为每个体素分配与其对应解剖结构相关的疾病特定异常分数,联合编码病灶范围和器官级别的上下文。在回顾性跨国和跨中心评估中,EXACT 在临床相关 CT 任务上均显示出广泛且一致的改进,包括多疾病诊断、零样本异常局部化、下游适应以及视觉导向的报告生成,超越了现有的三维医学基础模型。通过将常规临床 CT 扫描和自由文本报告转化为可解释的体素级别表示,EXACT 建立了可信赖的体积医学 AI 的可扩展范式。
引用
@article{arxiv.2604.24146,
title = {EXACT: an explainable anomaly-aware vision foundation model for analysis of 3D chest CT},
author = {Xuguang Bai and Mingxuan Liu and Tongxi Song and Yifei Chen and Hongjia Yang and Kasidit Anmahapong and Zihan Li and Ying Zhou and Qiyuan Tian},
journal= {arXiv preprint arXiv:2604.24146},
year = {2026}
}