OrthoDiffusion：面向肌肉骨骼MRI解释的通用多任务扩散基础模型
计算机视觉与模式识别
2026-02-25 v1 人工智能
摘要
肌肉骨骼疾病是全球范围内造成负担的疾病类型，也是导致残疾的主要原因之一。虽然MRI是准确诊断的必不可少工具，但其解释仍异常具有挑战性。放射科医生必须在复杂的解剖结构中识别多种潜在异常，横跨不同成像平面，这一过程需要大量专业知识且容易受变量影响。我们开发了OrthoDiffusion，一个统一的基于扩散的基础模型，用于肌肉骨骼MRI的多任务解释。该框架利用三个按方向划分的3D扩散模型，基于15,948例无标签膝部MRI扫描以自监督方式进行预训练，学习从腰椎、冠状和轴向视图中获取稳健的解剖特征。这些视图特有的表征被整合以支持多种临床任务，包括解剖分割和多标签诊断。我们的评估表明，OrthoDiffusion在膝部11种结构的分割以及8种膝部异常的检测方面均表现优异。该模型在不同临床中心和MRI场强下表现出卓越的鲁棒性，在标注数据稀缺的情境下，仅需10%的训练标签即可保持高诊断精度。此外，从膝部成像中学习到的解剖表征在其他关节上也具有高度可迁移性，在11种踝关节和肩关节疾病上实现了强大的诊断性能。这一发现表明，基于扩散的基础模型可作为多疾病诊断和解剖分割的统一平台， potentially improve the efficiency and accuracy of musculoskeletal MRI interpretation in real-world clinical workflows. [注：原文结尾处的英文句子保留以体现原文完整性]。
引用
@article{arxiv.2602.20752,
title = {OrthoDiffusion: A Generalizable Multi-Task Diffusion Foundation Model for Musculoskeletal MRI Interpretation},
author = {Tian Lan and Lei Xu and Zimu Yuan and Shanggui Liu and Jiajun Liu and Jiaxin Liu and Weilai Xiang and Hongyu Yang and Dong Jiang and Jianxin Yin and Dingyu Wang},
journal= {arXiv preprint arXiv:2602.20752},
year = {2026}
}