重新思考全身 CT 图像解读：以异常为中心的方法
图像与视频处理
2025-11-18 v2 人工智能
计算机视觉与模式识别
摘要
CT 图像的自动解读——特别是在多平面和全身扫描中定位和描述异常发现——仍然是临床放射学中的一个重大挑战。这项工作旨在通过四个关键贡献来应对这一挑战：（i）在分类法方面，我们与资深放射科医生合作，提出了一个全面的分层分类系统，涵盖所有身体区域的 404 种代表性异常发现；（ii）在数据方面，我们贡献了一个包含来自多平面和所有人体区域超过 14.5K 张 CT 图像的数据集，并细致地为超过 19K 个异常提供了定位标注，每个异常都链接到详细描述并归入该分类法；（iii）在模型开发方面，我们提出了 OmniAbnorm-CT，它可以根据文本查询自动定位和描述多平面和全身 CT 图像上的异常发现，同时还可以通过视觉提示进行灵活交互；（iv）在评估方面，我们基于真实临床场景建立了三个代表性任务，并引入了一个基于临床的指标来评估异常描述。通过大量实验，我们表明 OmniAbnorm-CT 在内部和外部验证以及所有任务中都能显著优于现有方法。
引用
@article{arxiv.2506.03238,
title = {Rethinking Whole-Body CT Image Interpretation: An Abnormality-Centric Approach},
author = {Ziheng Zhao and Lisong Dai and Ya Zhang and Yanfeng Wang and Weidi Xie},
journal= {arXiv preprint arXiv:2506.03238},
year = {2025}
}
备注
40 pages