多解剖学X光基础模型
计算机视觉与模式识别
2025-12-22 v2 人工智能
摘要
X光成像在放射科学中广泛应用，但大多数现有AI基础模型仅限于胸部解剖学，无法在更广泛的临床任务中泛化。本文介绍了XR-0，即基于自监督学习构建的多解剖学X光基础模型，训练数据来自115万张覆盖多种解剖区域的私有数据集，并在12个数据集和20个下游任务上进行评估，包括分类、检索、分割、定位、视觉定位和报告生成。XR-0在大多数多解剖学任务上实现了最先进的性能，在胸部特定基准测试中也保持竞争力。我们的结果表明，解剖学多样性和监督性是构建稳健、通用医学视觉模型的关键，为放射科学中的可扩展和可适应AI系统铺平了道路。
引用
@article{arxiv.2509.12146,
title = {Multi Anatomy X-Ray Foundation Model},
author = {Nishank Singla and Krisztian Koos and Farzin Haddadpour and Amin Honarmandi Shandiz and Lovish Chum and Xiaojian Xu and Qing Jin and Erhan Bas},
journal= {arXiv preprint arXiv:2509.12146},
year = {2025}
}