arXiv · cs.AI· S\'el\'ena Jean-Mactoux, Sophie Loizillon, Ghina Jardali, Amandine Cromb\'e, Nathalie Lassau, Alexandre B\^one·· 8 小时前
CAPTOR肿瘤胸部—腹部—盆腔CT视觉语言基础模型在多任务上优于对比基线
CAPTOR: a vision-language foundation model for Chest-Abdomen-Pelvis Oncologic CT
arXiv:2610.14226v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：S\'el\'ena Jean-Mactoux, Sophie Loizillon, Ghina Jardali, Amandine Cromb\'e, Nathalie Lassau, Alexandre B\^one
研究任务与主要进展
基于论文摘要，研究团队开发了面向肿瘤胸部—腹部—盆腔CT的视觉语言基础模型CAPTOR，并在疾病检测、生存预测和图像检索任务中优于所比较的CT基础模型。模型使用来自北美、欧洲和亚洲的多中心回顾性数据训练和测试，分别包含25,512和10,794对CT—报告；在CAP分类子集上AUC为0.767，肿瘤子集上为0.784，均高于次优基线且p<0.001。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org