
-
生物通官微
陪你抓住生命科技
跳动的脉搏
FlexiCT:基于多阶段预训练的大规模 CT 基础模型
《npj Digital Medicine》:Universal CT representations from anatomy to disease phenotype through stage-wise pretraining
【字体: 大 中 小 】 时间:2026年10月08日 来源:npj Digital Medicine 18.0
编辑推荐:
计算机断层扫描(CT)是三维医学成像的核心技术,然而基于CT的人工智能在分割、分类、配准和报告分析等任务中仍然存在碎片化的现象。本文介绍了FlexiCT,这是一个由266,227个CT数据集(来自56个公开可用的数据源)通过分阶段预训练而成的一系列CT基础模型,构成了一个用于CT
计算机断层扫描(CT)是三维医学成像的核心技术,然而基于CT的人工智能在分割、分类、配准和报告分析等任务中仍然存在碎片化的现象。本文介绍了FlexiCT,这是一个由266,227个CT数据集(来自56个公开可用的数据源)通过分阶段预训练而成的一系列CT基础模型,构成了一个用于CT表示学习的大规模公共资源。FlexiCT采用三阶段序列预训练方法:二维轴向预训练、三维解剖结构预训练以及基于报告的语义对齐。这种训练策略支持切片级别、体积级别以及视觉-语言分析。在五个下游任务领域(分割、分类、配准、视觉-语言理解及临床检索)中,FlexiCT在多个基准测试中的表现均达到了或超过了现有的特定任务方法。其嵌入模型能够根据不同肿瘤阶段的特征对CT扫描结果进行有效组织,表明CT基础模型能够捕捉到与疾病表型特征相关的影像信息。项目页面和代码可从以下链接获取:https://ricklisz.github.io/flexict.github.io 和 https://github.com/ricklisz/FlexiCT。