CT 이미지의 자동 해석, 특히 다중 평면 및 전신 스캔에서 이상 소견을 국소화하고 설명하는 것은 임상 방사선학에서 중요한 과제로 남아 있습니다. 이 연구는 다음 네 가지 주요 기여를 통해 이 과제를 해결하는 것을 목표로 합니다: (i) 분류법: 수석 방사선과 전문의와 협력하여 모든 신체 부위를 포괄하는 404개의 대표적인 이상 소견을 포함하는 포괄적인 계층적 분류 시스템을 제안합니다; (ii) 데이터: 여러 평면과 모든 인체 부위에서 14.5K개 이상의 CT 이미지를 포함하는 데이터 세트를 제공하며, 각 이상 소견에 대한 상세 설명과 분류법을 포함하는 19K개 이상의 이상 소견에 대한 상세한 grounding 주석을 제공합니다; (iii) 모델 개발: 텍스트 쿼리를 기반으로 다중 평면 및 전신 CT 이미지에서 이상 소견을 자동으로 ground하고 설명할 수 있으며, 시각적 프롬프트를 통해 유연한 상호 작용을 허용하는 OmniAbnorm-CT를 제안합니다; (iv) 평가: 실제 임상 시나리오를 기반으로 세 가지 대표적인 작업을 설정하고 이상 소견 설명을 평가하기 위한 임상적 근거가 있는 메트릭을 도입합니다. 광범위한 실험을 통해 OmniAbnorm-CT가 내부 및 외부 검증 모두에서, 그리고 모든 작업에서 기존 방법보다 훨씬 뛰어난 성능을 보임을 보여줍니다.
