Séléna Jean-Mactoux

面向肿瘤患者胸腹盆CT的视觉语言基础模型CAPTOR在25,512对CT与报告上完成预训练，并在目标场景中超过现有CT基础模型。在胸腹盆全覆盖子集上，其疾病分类AUC为0.767，高于次优模型的0.695；在肿瘤子集上为0.784，高于0.734。该模型把整段胸腹盆检查按器官分区裁剪后编码，但只做检查级判断，不定位病灶。

面向肿瘤患者胸腹盆CT的视觉语言基础模型CAPTOR在25,512对CT与报告上完成预训练，并在目标场景中超过现有CT基础模型。在胸腹盆全覆盖子集上，其疾病分类AUC为0.767，高于次优模型的0.695；在肿瘤子集上为0.784，高于0.734。该模型把整段胸腹盆检查按器官分区裁剪后编码，但只做检查级判断，不定位病灶。