电子医疗记录驱动自动肺结节检测和分类在胸部CT图像中的EMERALDS:电子医疗记录驱动自动肺结节检测和分类
Hafza Eman1, Furqan Shaukat2, Muhammad Hamza Zafar3
1Faculty of Electrical and Electronics Engineering, University of Engineering and Technology, Taxila, Pakistan.
Journal of imaging informatics in medicine
|March 12, 2026
概括
一个新的计算机辅助诊断 (CAD) 系统使用大视觉语言模型 (VLMs) 准确地检测和分类CT扫描中的肺结节,改善早期癌症检测和患者管理.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 在瘤学瘤学.
背景情况:
- 肺癌是全球死亡的主要原因,通常是由于晚期诊断.
- 在CT扫描中早期检测肺结节对于有效治疗至关重要.
研究的目的:
- 开发一种先进的计算机辅助诊断 (CAD) 系统,用于肺结节的检测和分类.
- 为了提高准确性,利用与放射学和合成电子病历 (EMR) 集成的大型视觉语言模型 (VLMs).
主要方法:
- 开发了一个端到端的CAD管道,使用Segment Anything Model 2 (SAM2) 的检测模块 (CADe) 和诊断模块 (CADx).
- CADe模块使用了CLIP编码的文本提示,取代了用于结节细分的标准视觉提示.
- CADx模块计算了细分结节和放射性特征之间的相似度,并将合成EMR的临床背景纳入其中.
主要成果:
- 在CADe模块的节点细分方面,DACE得分为0.92,IOU为0.85.
- 在恶性瘤分类中,CADx模块显示了0.97的特异性,超过了现有的完全监督的方法.
- 该系统在LIDC-IDRI数据集上的肺结节分析零射击设置中表现出强的性能.
结论:
- 结合VLM,放射学和合成EMR,为肺结节提供了准确和临床相关的CAD.
- 拟议的系统具有显著的潜力,可以改善早期肺癌检测,诊断信心和临床环境中的患者管理.
