PR3DICTR：面向医学 3D 图像检测与结果预测的模块化 AI 框架
计算机视觉与模式识别
2026-04-06 v1 人工智能
机器学习
摘要
三维医学图像数据和计算机辅助决策，尤其是利用深度学习，正在医学领域变得越来越重要。为支持这一发展，我们引入 PR3DICTR：面向 3D 图像分类与标准化训练的研究平台。基于社区标准分发版（PyTorch 与 MONAI）构建的 PR3DICTR 提供开放、灵活且便捷的框架，用于预测模型开发，显著关注使用三维医学图像数据的分类。通过结合模块化设计原则与标准化，旨在减轻开发负担，同时保持可调节性。它为用户提供丰富的预建立功能，例如模型架构设计选项、超参数解决方案以及训练方法，但仍允许用户“插入”自己的解决方案或模块。PR3DICTR 可应用于任何二元或事件型三维分类任务，最低只需两行代码即可运行。
引用
@article{arxiv.2604.03203,
title = {PR3DICTR: A modular AI framework for medical 3D image-based detection and outcome prediction},
author = {Daniel C. MacRae and Luuk van der Hoek and Robert van der Wal and Suzanne P. M. de Vette and Hendrike Neh and Baoqiang Ma and Peter M. A. van Ooijen and Lisanne V. van Dijk},
journal= {arXiv preprint arXiv:2604.03203},
year = {2026}
}
备注
16 pages, 6 figures and 1 table