全身医学成像综合细分的模式-投影通用模型.
Yixin Chen1, Lin Gao2, Yajuan Gao3,4
1Institute of Medical Technology, Peking University Health Science Center, Peking University, Beijing, China.
Nature communications
|October 24, 2025
概括
一个新的通用深度学习模型,即Modality Projection Universal Model (MPUM),适应各种医学成像类型,用于高级器官细分和分析. 这种框架提高了诊断速度,并揭示了关键的大脑和身体的代谢联系.
科学领域:
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
- 计算生物学 计算生物学
背景情况:
- 深度学习显著提升了医学成像,但与多模式可变性作斗争.
- 需要通用模型来克服医学成像中的模式间差异.
研究的目的:
- 引入可适应的多模式医疗图像分析的模式投影通用模型 (MPUM).
- 为了实现最先进的全身器官细分,并探索大脑与身体的代谢相关性.
主要方法:
- 开发了MPUM,使用一种模式投影策略,对861名受训者进行了培训.
- 实现了一个基于控制器的卷积层,用于突出地图可视化.
- 应用了全身器官细分和代谢相关性分析的模型.
主要成果:
- MPUM实现了最先进的全身器官细分,帮助计算机辅助诊断.
- 该模型通过突出地图显示了增强的解释性.
- MPUM揭示了大脑与身体轴以及大脑区域内的代谢相关性.
结论:
- MPUM为加速诊断和大规模成像分析提供了一个通用框架.
- 该模型将解剖学和代谢信息连接起来,用于整合性脑体研究.
- MPUM有助于发现跨器官疾病机制.


