跳到正文
arXiv cs.AI· Mohammed Baharoon, Mahmoud Hussain Alabbad, Sung Eun Kim, Xiaoman Zhang, Lucas Bijnens, Zirong Chen, Jiayu Wang, Xi Ouyang, Mingyang Yu, Weiqiu Jin, Xiaodan Ye, Dijia Wu, Kwang-Hyun Uhm, Inhwa Son, Rachel van 't Hull, Tim Veenboer, Cees Snoek, Kevin Groot Lipman, Daesung Kim, Junha Im, Youngjun Jun, Sangwon Lee, Katelyn Morrison, Adam Perer, Mijin Yun, Ali Piracha, Reem Alwasiah, Talal Yahyan, Abdulrahman Alamoudi, Mashael Alshehri, Rayan Alsager, Hannah Hancock, Anna M. Hunkem\"oller, Peter Youssef, Mona A. Alhammad, Afnan Aljumayan, Brecht Van Berkel, Eric Bijnens, Saud Alhussain, Maarten Steyvers, Rolf Symons, Bryan Eelen, Ayed Alaklubi, Maha Buraykan Alshammari, Amirah Fahad Alshammeri, Tomas Gilvydis, Ibrahim AlTurki, Monerah Almohideb, Ali Alburkani, Shahad Alhomaiani, Fatima Jabali, Maximilian Rokuss, Moritz Langenberg, Yannick Kirchhoff, Benjamin Hamm, Klaus Maier-Hein, Ibrahim Ethem Hamamci, Sezgin Er, Michael Moritz, Hassan R. Alomaish, Luyang Luo, Pranav Rajpurkar·· 10 小时前AI 评分38

ReXGrounding 挑战赛:将放射报告发现项落地到 3D 胸部 CT 的分割结果

Grounding Radiology Reports in 3D Chest CT: Results of the ReXGrounding Challenge

AI 导读

MICCAI 2026 的 ReXGrounding 挑战赛首次要求模型根据非增强胸部 CT 与报告发现项生成对应的 3D 分割,最佳方法在 300 例测试集上达到 Dice 0.375、命中率 0.77,与两组独立放射科医生的阅片一致性(Dice 0.32、命中率 0.76)相当。

正文 · AI 翻译

作者:Mohammed Baharoon、Mahmoud Hussain Alabbad、Sung Eun Kim、Xiaoman Zhang、Lucas Bijnens、Zirong Chen、Jiayu Wang、Xi Ouyang、Mingyang Yu、Weiqiu Jin、Xiaodan Ye、Dijia Wu、Kwang-Hyun Uhm、Inhwa Son、Rachel van 't Hull、Tim Veenboer、Cees Snoek、Kevin Groot Lipman、Daesung Kim、Junha Im、Youngjun Jun、Sangwon Lee、Katelyn Morrison、Adam Perer、Mijin Yun、Ali Piracha、Reem Alwasiah、Talal Yahyan、Abdulrahman Alamoudi、Mashael Alshehri、Rayan Alsager、Hannah Hancock、Anna M. Hunkemöller、Peter Youssef、Mona A. Alhammad、Afnan Aljumayan、Brecht Van Berkel、Eric Bijnens、Saud Alhussain、Maarten Steyvers、Rolf Symons、Bryan Eelen、Ayed Alaklubi、Maha Buraykan Alshammari、Amirah Fahad Alshammeri、Tomas Gilvydis、Ibrahim AlTurki、Monerah Almohideb、Ali Alburkani、Shahad Alhomaiani、Fatima Jabali、Maximilian Rokuss、Moritz Langenberg、Yannick Kirchhoff、Benjamin Hamm、Klaus Maier-Hein、Ibrahim Ethem Hamamci、Sezgin Er、Michael Moritz、Hassan R. Alomaish、Luyang Luo、Pranav Rajpurkar

查看 PDF HTML(实验性)

摘要:在放射学扫描中分割每一条报告中的发现,将有助于对发现进行测量和随时间追踪,并使 AI 系统能够生成可验证的报告,但迄今为止 AI 模型在这项任务上表现不佳。为推进这项任务,我们在 MICCAI 2026 上组织了 ReXGrounding Challenge,这是首个专门针对该任务的挑战赛。给定一次非增强胸部 CT 扫描及其报告中的发现集合,参赛者训练模型以生成相应的 3D 分割集合。该挑战赛使用了来自 ReXGroundingCT 数据集的 2,992 次训练扫描和 200 次验证扫描,并在一个由委员会认证的放射科医生详尽标注的、包含 582 条发现的 300 次扫描的留出测试集上评估方法。共有来自 15 个国家的 48 支队伍提交了 760 次结果,最佳方法达到 Dice 0.375 和命中率 0.77,与两个独立放射科医生组之间的一致性相当(在 50 次扫描子集上 Dice 0.32、命中率 0.76)。在挑战赛前基准的 100 次扫描上,获胜者达到 Dice 0.390,而挑战赛前最佳模型 VoxTell 为 0.285,六支最佳队伍中有五支对 VoxTell 进行了微调。非局灶性发现的分割难度仍远高于局灶性发现,实例 F1 仍低于阅片者间一致性(0.34 对 0.47),且模型有时会在错误位置分割出正确的异常。因此,顶尖方法在 Dice 上已达到放射科医生间的一致性,但非局灶性发现、具有多个实例的发现以及对文本所述解剖位置的遵循仍是未解决的问题。
评论: 25 页,13 幅图,4 张表
学科: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI)
引用为: arXiv:2611.23862 [cs.CV]
  (或 arXiv:2611.23862v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23862

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Mohammed Baharoon [查看邮箱]
[v1] 2026 年 11 月 18 日星期三 05:09:57 UTC(8,119 KB)

来源:arXiv cs.AI · arxiv.org