Xray2Xray: 基于胸部X射线的具有体积上下文的世界模型

arXiv 25.6 2025 49.5 method, application

TLDR

Xray2Xray从胸部X射线中学习世界模型，通过过渡动态编码三维体积上下文，提升诊断和风险预测。

评分理由

The paper introduces a novel world model for chest X-rays that captures 3D structural information from 2D projections, with strong empirical results on risk prediction and disease diagnosis. However, it lacks interactive or reinforcement learning components, and the evaluation is limited to specific medical tasks.

Read-first 评分解释

综合优先阅读分 49.5，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 29。

近期性 8%

86.7

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2025

方法质量 25%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：实验、指标、结果

主题相关性 42%

41.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

可复现性 25%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

研究版图角色

前沿论文方法锚点

排序敏感性

稳定性：volatile；排名波动范围：389。

关键词评分

world model

world dynamics prediction

generative world model

world simulator

video world model

interactive world model

model-based reinforcement learning world model

深度分析

创新点

提出了Xray2Xray，一种从二维胸部X射线中学习编码三维结构信息潜在表示的世界模型
使用视觉模型和过渡模型对X射线投影在不同角度位置上的过渡动态进行建模
证明了世界模型的潜在表示在心血管疾病风险估计上优于监督和自监督方法，并在多病理分类中取得有竞争力的性能

方法

Xray2Xray采用视觉模型和过渡模型，通过对X射线投影在不同角度位置上的过渡动态进行建模，捕获胸部体积的潜在表示。这些潜在表示随后用于下游任务，包括心血管疾病风险估计和五种病理分类。通过合成任务进一步评估潜在表示的质量，以重建体积上下文。

关键结果

Xray2Xray在心血管疾病风险估计上优于监督方法和自监督预训练方法，并在胸部X射线五种病理分类中取得有竞争力的性能。此外，潜在表示被证明能够重建体积上下文。

资源

论文