一个通用基础模型和开放世界的医疗图像细分数据库
Siqi Zhang1, Qizhe Zhang2, Shanghang Zhang3
1State Key Laboratory of Networking and Switching Technology, Beijing University of Posts and Telecommunications, Beijing, China.
Nature biomedical engineering
|September 5, 2025
概括
这项研究介绍了MedSegX,一个克服负面转移问题的通用医学细分模型. 在标准和非流通的医学成像任务中,MedSegX表现出强大的性能.
科学领域:
- 人工智能
- 医学成像
- 计算机视觉
背景情况:
- 视觉基础模型提供了多功能医疗细分,但由于不相关的预训练数据而遭受负面转移.
- 对于这些模型在各种开放世界和OOD医疗场景中存在有限的评估.
研究的目的:
- 开发一个通用医疗细分模型 (MedSegX),以应对OOD的挑战.
- 创建一个全面的医疗细分数据库 (MedSegDB) 用于培训和评估.
- 评估MedSegX在各种医疗细分任务和设置中的表现.
主要方法:
- 建立 MedSegDB,一个由 129 个公共和 5 个内部医疗细分数据集组成的层次数据库.
- 开发MedSegX,一个视觉基础模型,利用适配器专家的上下文混合 (ConMoAE) 进行开放世界的细分.
- 关于MedSegX在分销 (ID),OOD和现实世界的临床细分任务的全面评估.
主要成果:
- 在ID设置中的各种医疗细分任务中,MedSegX实现了最先进的性能.
- 在OOD和现实世界的临床环境中,MedSegX保持了强的表现,在零射击和数据效率的概括方面表现出色.
- 在具有挑战性的泛化场景中,MedSegX的表现优于现有的基础模型.
结论:
- MedSegX代表了一般医疗细分的重大进展,有效地解决了负转移和OOD限制.
- 拟议的ConMoAE方法提高了模型适应性,用于各种医学成像应用.
- MedSegDB为未来的医学基础模型研究提供了宝贵的资源.


