来源：信息融合 (2026)。DOI: 10.1016/j.inffus.2025.103709
由Andrea Moglia博士领导的米兰理工大学电子、信息与生物工程系团队开发了首款在线应用，该应用可帮助识别最适合创建每个个体器官3D图像的人工智能模型。这使得患者治疗更加准确可靠。
该工具源于发表在信息融合上的一项研究，该研究探讨了通用型和特定型AI模型。它专为医疗专业人员、需要创建器官、病变或骨折图像的技术人员以及需要解读这些图像以进行手术或开具治疗方案的医生而设计。
Moglia博士解释道："使用此工具，选择用于生成诊断和治疗所需图像的模型变得高效得多。专业人员不再需要多次尝试以获得更清晰的图像。"
此外，医疗机构可以根据每年在每个器官或解剖区域进行的手术数量，长期规划采用哪些AI模型。
这款免费在线应用可以从个体器官开始导航，也可以从胸部、颈部或腹部等解剖区域开始。一旦选择了特定项目，应用将报告所有现有的AI模型，这些模型已在可用的图像数据集上进行了测试。模型可以按数据集排序，从最有效到最无效。用户还可以选择特定器官，如单个椎骨或单个心脏心室。另一个有趣的功能是根据模型生成肿瘤和病变图像的能力进行排序，包括中风和缺血引起的病变。
应用中的一些模型是通用型的，而另一些则针对特定器官或解剖结构。Moglia博士进一步解释道："医疗领域使用的通用AI模型是在大量且极其多样化的身体图像上进行训练的。它们最近在许多情况下被证明与专家模型一样有效，专家模型是特意设计用来使用一个或几个数据集生成特定器官图像的。因此，它们代表了该领域的转折点。"
医生和技术人员长期以来一直使用AI模型来提供器官或病变的图像。Moglia博士补充道："技术术语是分割，这是一个允许你在2D图像中勾勒出特定结构以生成3D重建的过程。"
在医疗领域，这涉及组合从X光片或CT扫描中拍摄的各种照片，并用彩色线条标示特定器官或病变。使用AI模型使这一过程更快，并避免人为错误或偏见。
同样来自米兰理工大学电子、信息与生物工程系的Pietro Cerveri、Luca Mainardi和Matteo Leccardi也参与了这项工作。
更多信息：Andrea Moglia等人，医疗图像分割中的通用模型：与任务特定方法的调查和性能比较，信息融合 (2026)。DOI: 10.1016/j.inffus.2025.103709
由米兰理工大学提供
【全文结束】
