用于学习胸部 X 光检查间隔变化的时间反演

视觉语言预训练的最新进展使得强大的医学基础模型成为可能，但大多数单独分析放射线照片，忽略了比较先前和当前图像以评估间隔变化的关键临床任务。对于胸部 X 光片 (CXR)，捕获间隔变化至关重要，因为放射科医生不仅必须评估结果的静态外观，还必须评估它们随时间的变化情况。我们引入了 TILA（时间反转感知学习和对齐），这是一个简单而有效的框架，它使用时间反转、反转图像对作为监督信号来增强现有时间视觉语言模型对方向变化的敏感性。 TILA 将预训练、微调 和推理中的反转感知目标集成在一起，通过显式学习时间顺序来补充传统的外观建模。我们还提出了一个统一的评估协议来评估时间反演下的顺序敏感性和一致性，并引入了 MS-CXR-Tretrieval，这是一个通过通用协议构建的检索评估集，可应用于任何时间 CXR 数据集。对公共数据集和真实世界医院队列的实验表明，当应用于多个现有架构时，TILA 能够持续改进进展分类和时间嵌入对齐。