CXR-LT 2024:MICCAI对胸部X射线的长尾,多标签和零射击疾病分类的挑战
Mingquan Lin1, Gregory Holste2, Song Wang2
1Department of Surgery, University of Minnesota, Minneapolis, USA.
ArXiv
|July 30, 2025
概括
"CXR-LT 2024挑战"扩大了使用胸部X射线 (CXRs) 的肺病分类,具有更大的数据集和新的零射击学习任务. 这个倡议推动了用于罕见疾病检测的AI,并提高了诊断模型的通用性.
科学领域:
- 医学成像和人工智能 医学成像和人工智能
- 放射学和诊断医学 放射学和诊断医学
- 计算机视觉用于医疗保健
背景情况:
- 该CXR-LT系列解决了从胸部X射线 (CXRs) 进行开放长尾肺病分类的挑战.
- 之前的事件建立了基准,并确定了当前肺部疾病分类模型中的问题.
- 数据有限和关注常见疾病阻碍了AI在临床环境中的通用性.
研究的目的:
- 提出CXR-LT 2024挑战,扩大肺病分类能力.
- 引入零射击学习任务,用于在胸部X光学中检测看不见的疾病.
- 促进临床现实的和可通用的AI诊断模型的开发.
主要方法:
- 策划了377110张胸部X射线 (CXR) 的扩展数据集,其中包括45种疾病标签,包括19种罕见疾病.
- 组织了三个任务:对杂和黄金标准集的长尾分类和零射击概括.
- 整合了最先进的解决方案,包括多式联运模式和噪音标签的生成方法.
主要成果:
- 扩展的数据集增强了疾病覆盖范围,更好地反映了现实世界的临床情景.
- 多模式模型在罕见疾病检测方面表现出有效性.
- 研究了先进的生成方法和零射击学习策略,以提高性能.
结论:
- CXR-LT 2024为推进肺部疾病分类中的AI提供了宝贵的资源.
- 这项挑战突破了对以前看不见的疾病的零射击学习的界限.
- 该倡议旨在加快用于胸部X射线扫描的强大和可通用的AI诊断工具的开发.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.3K
03:38Unilateral Lung Volume Analysis Using Micro-CT for Enhanced Assessment of Pulmonary Fibrosis in Preclinical Models
Published on: June 20, 2025
332
