AI-based diagnosis of acute aortic syndrome from noncontrast CT
论文PDF
简介
报告了一个 肺部 CT的基础模型，可以提取 肺部CT的特征完成下游任务。
研究目标
- 核心问题
- CT 方面带标注的CT数据集缺失，包括AI模型在罕见病上，以及模型在下游任务上的泛化能力差等问题
针对上述问题，提出 LCTfound，希望创建肺部CT的基础模型，。提供诊断和治疗的临床见解(下游任务)，以及增强CT扫描仪的成像技术。
- 基本方法
- 通过自监督的扩散模型训练一个 backbone 学习CT特征，从而支持下游任务
LCTfound 解决的问题：
- 分割和分类任务
- 病变分割 –> 肿瘤分割定位任务
- PAP 疾病筛查 –> 分类任务
- 预后预测 –> 预测癌症患者生存的风险
- 癌症病理反应 –> 预测癌症患治疗后的病理缓解情况
- 影像增强任务
- CT 图像增强，低剂量CT图像进行降噪
- 虚拟肺部 CTA 成像：从非增强的CT图像中合成类似于注射对比剂后的血管影像
- 稀疏三视场下的CT重建：在即减少扫描角度的情况下重建高质量图像
- 三维手术导航：精确建模肺部结构，辅助微创手术中的结节定位
研究数据和结果
这里只关注研究数据量和使用的标准。
来自中国五个医学中心的一个大规模 国家肺CT数据集，包含485,885次扫描 (男性 276755人, 女性 209130人)。
