医学影像

中国科研团队研发多模态视觉语言模型AFLoc，提出多层次语义结构对比学习，将多粒度医学概念与影像特征对齐，实现无需专家标注的病理定位与分类。在22万对胸部X光影像-报告数据上训练，并在覆盖34种病理的8个外部数据集验证，定位与分类均优于现有方法。模型还可迁移至组织病理与视网膜眼底等模态，在多项定位任务中超过人类基准，成果发表于《自然·生物医学工程》。

中国科研团队开发多模态视觉语言模型AFLoc，利用多层次语义结构对比学习，将多粒度医学概念与丰富图像特征对齐，从而在无需专家标注的情况下实现病理定位。研究以22万对胸部X光图像—报告数据为主要实验基础，并在覆盖34种胸部病理的8个外部数据集上验证，显示其在无标注定位与分类任务中优于现有最先进方法。AFLoc还可泛化到组织病理学、视网膜眼底等模态，部分定位任务超过人类基准，成果发表于《自然·生物医学工程》。

1月6日，中国科学院深圳先进院医学成像相关团队联合清华大学、澳门科技大学等合作者在《自然-生物医学工程》发表成果，提出AI模型AFLoc，可在无需医生事先标注病灶的情况下，从医学影像中自动定位疑似病灶区域。研究在胸部X光、眼底影像与组织病理图像三类典型模态上进行系统验证，结果显示模型表现优异。该方法有望降低医学影像数据标注成本，提升辅助诊断与相关研究效率，并为临床AI落地提供新思路。