PULSE：用于心脏分割、诊断和少样跨模态临床适应的统一多任务架构
计算机视觉与模式识别
2025-12-04 v1 人工智能
摘要
心脏图像分析在任务之间仍然碎片化：解剖学分割、疾病分类和临床报告生成通常由独立网络处理，这些网络在不同数据 regime 下训练。尚无框架能够在单一架构中统一这些目标，同时保持跨模态和数据集的泛化性。我们引入PULSE，一个基于自监督表示的多任务视觉语言框架，通过组合监督策略进行优化，该策略平衡区域重叠学习、像素级分类保真度和边界感知IoU精炼。多尺度token重建解码器实现心脏分割，而共享全局表示支持疾病分类和临床导向文本输出，使模型能够在单一架构中从像素过渡到结构最终实现临床推理。与先前的任务特定管道不同，PULSE学习任务不变的心脏先验，能够稳健地跨数据集泛化，并可最小化监督适应到新的成像模态。本工作为构建可扩展的心脏分析 foundation 框架提供了道路。
引用
@article{arxiv.2512.03848,
title = {PULSE: A Unified Multi-Task Architecture for Cardiac Segmentation, Diagnosis, and Few-Shot Cross-Modality Clinical Adaptation},
author = {Hania Ghouse and Maryam Alsharqi and Farhad R. Nezami and Muzammil Behzad},
journal= {arXiv preprint arXiv:2512.03848},
year = {2025}
}