FleXray：通用临床 X 射线分割

X 射线是医学中使用最广泛的成像方式，却仍然是定量化程度最低的成像方式之一。不同于 CT 或 MRI 等容积成像方式，X 射线会将三维解剖结构压缩为二维投影，导致结构相互重叠，解剖边界变得模糊，即使是专家也难以准确辨认。因此，为训练通用分割系统而标注 X 射线数据库并不现实，这使得形态测量和功能性 X 射线分析局限于狭窄的解剖区域和应用场景。为此，我们提出 FleXray，这是一种用于临床 X 射线全身解剖结构分割的通用模型。我们没有整理大规模人工标注的 X 射线数据集，而是构建了一个可扩展的、基于物理原理的生成式 X 射线数据引擎。利用现有的三维全身 CT 分割数据集和生成式图像编辑模型，我们模拟生成了带有完整标注的二维 X 射线图像，涵盖多样的外观、身体生理特性和成像几何结构。在这些模拟数据上训练后，FleXray 能够在未见过的研究数据集和真实世界 X 射线图像中，准确分割 60 种解剖结构。我们进一步表明，FleXray 可使 X 射线直接适用于定量分析，从而实现疾病分级的自动测量、X 射线引导介入过程中的稳健导航，以及对病理学目标的数据高效学习。我们将在 https://flexray.csail.mit.edu 发布该模型、代码、全身 X 射线分割数据集，以及一个本地运行、易于使用的基于浏览器的工具。