重新思考全身 CT 图像解读：以异常为中心的方法

CT 图像的自动化解读——特别是多平面和全身扫描中异常发现的定位和描述——在临床放射学中仍然是一个重大挑战。这项工作旨在通过四项关键贡献来解决这一挑战：(i) 在分类法方面，我们与资深放射科医生合作，提出了一个全面的分层分类系统，涵盖所有身体区域的 404 种代表性异常发现；(ii) 在数据方面，我们贡献了一个数据集，包含来自多个平面和所有人体区域的超过 1.45 万张 CT 图像，并为超过 1.9 万个异常提供细致的定位标注，每个标注都与详细描述相关联并归入分类法；(iii) 在模型开发方面，我们提出了 OminiAbnorm-CT，它能够根据文本查询自动定位和描述多平面和全身 CT 图像上的异常发现，同时还允许通过视觉提示进行灵活交互；(iv) 在基准方面，我们建立了三个基于真实临床场景的代表性评估任务。通过广泛的实验，我们表明 OminiAbnorm-CT 在所有任务和指标上都显著优于现有方法。