CA-GCL：跨解剖学全局-局部对比学习，实现稳健的 3D 医学图像理解

细粒度视觉语言 预训练 (FVLP) 通过将解剖级视觉表示与相应的文本描述对齐，展示了 3D 医学图像理解的巨大潜力。然而，现有的 FVLP 范式经常在文本嵌入空间中遭受严重的表示崩溃，其中不同解剖结构的文本嵌入变得高度聚集且难以区分。这种分布简并性使得模型对即时变化高度敏感，从而阻碍了可靠的临床部署。为了应对这些挑战，我们提出了一种新颖的跨解剖全局局部对比学习框架（CA-GCL）。 CA-GCL引入了全局对比目标，强制潜在空间中解剖类别之间的分离，有效地抵消了局部对齐引起的聚集趋势。此外，我们结合了基于排列不变性和部分完整性的临床感知文本增强策略，以增强针对描述性不完整性的鲁棒性。对 CT-RATE 和 Rad-ChestCT 数据集的广泛评估表明，CA-GCL 实现了与现有 VLP 范式相当的零样本异常检测性能，同时对提示变化表现出明显更好的鲁棒性：在规范模板上，它获得了更高的平均 AUC 和更低的方差，在非规范模板上，它保持稳定，而基线显着下降。这些结果验证了 CA-GCL 作为强大的 3D 医学图像理解的有效框架。