八任务统一底座
以扩散预训练和影像-临床联合编码，一个模型同时支撑增强、血管造影、重建、分割与诊断等八类任务，胜过各任务领先基线。
梁恒瑞 · 刘佳欣 · Ma, Liangdi · Tianyun, Wang · Yanchen, Guo · Yan, Zeping · 何健行 · 徐枫 · Wong, Tien Yin · 郭雨晨 · 戴琼海
Nature Communications 2025
在 10 万余例 CT 上预训练后，一个模型直接覆盖 8 类任务，临床团队不需要为每个任务单独收集标注数据。
扩散预训练让模型能完成 CT 增强、虚拟 CTA、稀疏视图重建等生成式任务，而不只是做分类或分割。
影像与临床信息联合编码，使模型的预后预测、病理反应预测等任务能利用患者的非影像信息，而不只是看片子。
在多家中心的综合评估中一致超过领先基线模型，说明性能不是只在一个数据集上成立。