RadIR：基于放射科报告挖掘的多粒度医学图像检索可扩展框架
计算机视觉与模式识别
2025-07-15 v2 信息检索
图像与视频处理
摘要
开发先进的医学影像检索系统具有挑战性，因为不同医学情境下对“相似图像”的定义各不相同。这一挑战又因缺乏大规模高质量医学影像检索数据集和基准而加剧。本文提出新方法，利用密集放射科报告在可扩展且完全自动的方式下定义图像间相似性在多个粒度上的排序。通过此方法，我们构建了两个全面的医学影像检索数据集：MIMIC-IR 用于胸部 X 光片，CTRATE-IR 用于 CT 扫描，提供基于多样解剖结构条件下的详细图像-图像排序标注。此外，我们开发了两个检索系统 RadIR-CXR 和 model-ChestCT，分别在传统图像-图像和图像-报告检索任务中表现优异。这些系统还支持基于文本中描述的特定解剖结构进行灵活、有效的图像检索，在 77 个中的 78 个指标上实现最先进的结果。
引用
@article{arxiv.2503.04653,
title = {RadIR: A Scalable Framework for Multi-Grained Medical Image Retrieval via Radiology Report Mining},
author = {Tengfei Zhang and Ziheng Zhao and Chaoyi Wu and Xiao Zhou and Ya Zhang and Yanfeng Wang and Weidi Xie},
journal= {arXiv preprint arXiv:2503.04653},
year = {2025}
}