iTRIALSPACE：用于肺部CT模型可控评估的可编程虚拟病灶试验
计算机视觉与模式识别
2026-05-08 v1
摘要
我们介绍iTRIALSPACE，一个用于肺部CT模型可控评估的可编程评估框架。标准基准是静态回顾性集合，囊括病灶大小、叶脉分布、解剖结构和获取背景，使其难以确定何种结构驱动模型准确性。iTRIALSPACE通过四阶段流程构筑真实临床CT与病灶轮廓，以实现可控虚拟病灶试验：多数据集病灶轮廓、明确试验规格、解剖感知掩码插入以及ControlNet条件CT合成。该框架基于统一的54属性病灶轮廓数据集构建，涵盖来自七个公开CT来源的13,140个标注病灶，实例化为13种试验模式。我们在55,469样本的虚拟病灶研究中评估了iTRIALSPACE，涵盖三种医学视觉语言模型、四种空间引导条件以及三种临床任务。在所有13种模式下，合成基质保持在真实-真实FID基准线内，合成性能排名对真实临床数据强烈传递（ρ = 0.93, p < 10^-15）。可控试验模式暴露出固定分布基准无法发现的发现，包括在叶脉均衡抽样下因捷径驱动而导致的大小预测崩溃，以及双胞胎-捐赠者方差比为8.9倍和3.3倍的双胞胎交叉分析结果。这些结果将iTRIALSPACE定位为超越静态回顾性基准进行可控、可验证测试的可审计评估基础设施。
引用
@article{arxiv.2605.05761,
title = {iTRIALSPACE: Programmable Virtual Lesion Trials for Controlled Evaluation of Lung CT Models},
author = {Fakrul Islam Tushar and Umme Hafsa Momy and Joseph Y. Lo and Geoffrey D. Rubin},
journal= {arXiv preprint arXiv:2605.05761},
year = {2026}
}
备注
11 pages, 13 figures, 13 tables