基于时间反转的胸腔X光间隔变化学习
计算机视觉与模式识别
2026-04-09 v2 人工智能
摘要
近期在视觉-语言预训练方面的进展已使医学基础模型取得显著成果，但大多数方法仅对单个放射图进行分析，忽略了关键临床任务——即比较之前和当前图像以评估间隔变化。对于胸腔X光片（CXR），捕捉间隔变化至关重要，因为放射科医生不仅要评估病灶的静态表现，还要评估其随时间的演变。我们提出TILA（Temporal Inversion-aware Learning and Alignment，时间反转感知学习与对齐），是一个简单而有效的框架，通过对图像对进行时间反转作为监督信号，以增强现有时序视觉-语言模型对方向性变化的敏感性。TILA整合了在预训练、微调和推理阶段的反转感知目标，补充了常规外观建模，实现对时序顺序的显式学习。我们还提出了统一的评估协议，用于评估顺序敏感性和一致性，同时引入MS-CXR-Tretrieval（MS-CXR检索数据集），该数据集通过可适用于任何时序CXR数据集的通用协议构建。实验在公开数据集和真实医院队列上进行，结果表明，TILA在应用于多种现有架构后，持续改进了分期分类和时序嵌入对齐。
引用
@article{arxiv.2604.04563,
title = {Temporal Inversion for Learning Interval Change in Chest X-Rays},
author = {Hanbin Ko and Kyungmin Jeon and Doowoong Choi and Chang Min Park},
journal= {arXiv preprint arXiv:2604.04563},
year = {2026}
}
备注
10 pages, 5 figures