arXiv 2026年9月25日该研究提出 TotalFM，一个基于器官分离思路的 3D-CT 放射学基础模型：它用 TotalSegmentator 与 LLM 自动构建约 34 万个器官级“体积—文本”配对，先以 VideoMAE 自监督预训练、再做器官级对比学习，在零样本器官级病灶分类中平均 F1 达 0.708（CT-CLIP 为 0.515、Merlin 为 0.650），在 83%（25/30）的征象类别上 AUROC 高于 Merlin，并在报告生成上取得与 Merlin 相当的表现，同时把批量效率提升到 32 batch/GPU。该研究提出 TotalFM，一个基于器官分离思路的 3D-CT 放射学基础模型：它用 TotalSegmentator 与 LLM 自动构建约 34 万个器官级“体积—文本”配对，先以 VideoMAE 自监督预训练、再做器官级对比学习，在零样本器官级病灶分类中平均 F1 达 0.708（CT-CLIP 为 0.515、Merlin 为 0.650），在 83%（25/30）的征象类别上 AUROC 高于 Merlin，并在报告生成上取得与 Merlin 相当的表现，同时把批量效率提升到 32 batch/GPU。TotalFM 用器官分离的 3D-CT 基础模型在零样本病灶分类中于 83%（25/30）的征象类别上超过 Merlin，并以 32 batch/GPU 的批量效率训练该研究提出 TotalFM，一个基于器官分离思路的 3D-CT 放射学基础模型：它用 TotalSegmentator 与 LLM 自动构建约 34 万个器官级“体积—文本”配对，先以 VideoMAE 自监督预训练、再做器官级对比学习，在零样本器官级病灶分类中平均 F1 达 0.708（CT-CLIP 为 0.515、Merlin 为 0.650），在 83%（25/30）的征象类别上 AUROC 高于 Merlin，并在报告生成上取得与 Merlin 相当的表现，同时把批量效率提升到 32 batch/GPU。该研究提出 TotalFM，一个基于器官分离思路的 3D-CT 放射学基础模型：它用 TotalSegmentator 与 LLM 自动构建约 34 万个器官级“体积—文本”配对，先以 VideoMAE 自监督预训练、再做器官级对比学习，在零样本器官级病灶分类中平均 F1 达 0.708（CT-CLIP 为 0.515、Merlin 为 0.650），在 83%（25/30）的征象类别上 AUROC 高于 Merlin，并在报告生成上取得与 Merlin 相当的表现，同时把批量效率提升到 32 batch/GPU。