走向 3D：基于集成 2.5D 与 3D 模型实现新冠肺炎 CT 诊断的鲁棒性
图像与视频处理
2026-03-19 v2 计算机视觉与模式识别
机器学习
摘要
本文提出一种深度学习框架，用于从胸部 CT 扫描中实现新冠肺炎检测和疾病分类，集成了 2.5D 与 3D 表示，以捕获补充的切片级和体积信息。2.5D 分支采用 DINOv3 视觉 Transformer 处理多视图 CT 切片（轴向、冠状、横断），提取稳健的视觉特征；而 3D 分支则采用 ResNet-18 架构建模体积上下文，并采用方差风险外推 (VREx) 进行预训练，随后进行监督对比学习以提高跨来源鲁棒性。两种分支的预测结果通过逻辑级集成推理进行融合。在 PHAROS-AIF-MIH 数据集基准上进行实验，结果表明：对于二分类新冠肺炎检测，集成模型达到 94.48% 的准确率和 0.9426 的宏 F1 分数，优于单个模型；而对于多分类疾病分类，2.5D DINOv3 模型取得最佳表现，准确率为 79.35%，宏 F1 分数为 0.7497。这些结果凸显了将预训练的切片基表示与体积建模相结合，以实现稳健的多源医学影像分析的优势。代码已公开于 https://github.com/HySonLab/PHAROS-AIF-MIH。
引用
@article{arxiv.2603.14832,
title = {Halfway to 3D: Ensembling 2.5D and 3D Models for Robust COVID-19 CT Diagnosis},
author = {Tuan-Anh Yang and Bao V. Q. Bui and Chanh-Quang Vo-Van and Truong-Son Hy},
journal= {arXiv preprint arXiv:2603.14832},
year = {2026}
}