arXiv cs.AI· S\'el\'ena Jean-Mactoux, Sophie Loizillon, Ghina Jardali, Amandine Cromb\'e, Nathalie Lassau, Alexandre B\^one·· 3 天前AI 评分26
CAPTOR：面向胸腹盆肿瘤 CT 的视觉-语言基础模型
CAPTOR: a vision-language foundation model for Chest-Abdomen-Pelvis Oncologic CT
AI 导读
研究团队开发并评估了视觉-语言基础模型 CAPTOR，用于肿瘤胸腹盆（CAP）CT 解读，训练与测试分别使用 25,512 和 10,794 对 CT-报告数据。在分类任务上，CAPTOR 在 CAP 子集取得 AUC 0.767，优于次优模型的 0.695（p<0.001），并在四项肿瘤预后基准中三项排名第一，检索性能同样领先。团队已开源预处理、训练与推理代码及模型权重。
正文 · AI 翻译
摘要：目的：开发并评估 CAPTOR，一种用于肿瘤胸部-腹部-盆腔（CAP）CT 解读的深度学习视觉-语言基础模型。
材料与方法：CAPTOR（Chest-Abdomen-Pelvis foundaTion model for Oncologic Radiology）是一种对比视觉-语言模型，采用针对肿瘤 CAP CT（单序列或多序列采集）的预训练策略，在来自北美、欧洲和亚洲的多中心回顾性数据集上进行训练，该数据集主要来自肿瘤病灶检查。CAPTOR 在三个下游任务上与最先进的 CT 基础模型进行了比较：疾病检测、使用 TumorImagingBench 的生存预测以及图像检索。分类和检索均在留出的内部和公开测试集上进行评估，并按解剖覆盖范围和适应症分层。使用自助重采样估计置信区间，并使用置换检验进行成对比较。
结果：CAPTOR 分别在 25,512 和 10,794 对 CT-报告上进行了训练和测试。TumorImagingBench 数据集每个包含 134 至 421 项研究。在分类任务上，CAPTOR 在 CAP 子集（AUC 0.767，95%CI：0.734-0.793，对比次优模型的 0.695，95%CI：0.645-0.736，p<0.001）和肿瘤学子集（AUC 0.784，95%CI：0.759-0.805，对比 0.734，95%CI：0.703-0.767，p<0.001）上均优于所有基线模型，在四个肿瘤学预后基准中的三个上排名第一，并在 CAP 和肿瘤学子集上取得了更优的检索性能。
结论：在肿瘤学富集的 CAP CT 数据上训练的基础模型在其目标临床环境中优于相关的先进模型，凸显了临床对齐预训练的重要性。
我们发布我们的预处理、训练和推理代码：this https URL 以及模型权重：this https URL
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.14226 [cs.CV] |
| （或 arXiv:2610.14226v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.14226 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Sophie Loizillon Dr [查看电子邮件]
[v1]
2026年10月9日星期五 18:39:01 UTC（4,108 KB）
来源：arXiv cs.AI · arxiv.org