English(EN) Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge

新的OKA-CT框架增强了CT图像-报告理解能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-14 04:00

研究人员开发了OKA-CT，一个专为CT图像和放射学报告设计的新的视觉-语言预训练（VLP）框架。该方法利用了放射学报告的分层结构，这些报告按解剖结构和发现进行组织，以改善视觉和文本数据之间的对齐。OKA-CT采用两阶段学习过程，将基于解剖学的证据注入视觉表示，并使用器官特定的报告信息来指导对比学习，将具有共同器官级别发现的病例视为弱正例。该框架在CT-RATE和RAD-ChestCT数据集上，在零样本异常诊断和改进的报告-图像对齐方面表现出色。 AI

影响这项研究可能带来更准确、更高效的医学影像报告分析，从而提高诊断能力。

排序理由该集群包含一篇详细介绍新的医学视觉-语言预训练框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Guoliang You, Hongming Li, Yuanwang Zhang, Yong Fan · 2026-07-14 04:00

Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge

arXiv:2607.10953v1 Announce Type: new Abstract: Medical vision-language pretraining (VLP) from paired CT images and radiology reports enables scalable representation learning, but most existing methods align either whole scans with entire reports or local image regions with text …

报道来源 [1]

Learning Anatomy-Grounded CT Vision-Language Representations with Organ-Hierarchical Report Knowledge

相关实体

相关话题