ProSona：基于自然语言提示的人工智能医学图像分割个性化框架
计算机视觉与模式识别
2025-11-12 v1 人工智能
摘要
自动化医学图像分割因专家间差异较大，尤其是在肺结节描绘等任务中，专家常常意见不一致。现有方法要么将这种差异融合为共识掩码，要么依赖每个标注者的独立模型分支。我们提出ProSona，一个两阶段框架，通过自然语言提示实现可控的人体解剖学风格个性化。概率性U-Net主干网络捕获多样化的专家假设，而提示导向的投影机制导航这些潜在空间，生成个性化分割。多级对比目标将文本和视觉表示对齐，促进解耦且可解释的专家风格。 在LIDC-IDRI肺结节和多机构前列腺MRI数据集上，ProSona相较于DPersona将广义能量距离降低17%，平均Dice分数提高超过1分。这些结果表明，自然语言提示可以为人体解剖学分割提供灵活、准确且可解释的控制。我们的实现已在线上提供。
引用
@article{arxiv.2511.08046,
title = {ProSona: Prompt-Guided Personalization for Multi-Expert Medical Image Segmentation},
author = {Aya Elgebaly and Nikolaos Delopoulos and Juliane Hörner-Rieber and Carolin Rippke and Sebastian Klüter and Luca Boldrini and Lorenzo Placidi and Riccardo Dal Bello and Nicolaus Andratschke and Michael Baumgartl and Claus Belka and Christopher Kurz and Guillaume Landry and Shadi Albarqouni},
journal= {arXiv preprint arXiv:2511.08046},
year = {2025}
}
备注
5 pages, 5 figures. Submitted to IEEE International Symposium on Biomedical Imaging (ISBI) 2026