Meta-CLIP 是一种在医学影像‑文本预训练阶段引入 DICOM 元数据的对比学习框架。核心思想是利用数值型和分类型的采集信息构建核函数，为每一对跨模态负样本分配一个有界的配对边距。该边距随元数据相似度增大，从而在梯度计算中放大采集条件相近的负样本权重，使模型更关注在相同扫描参数下的细微差异。核函数在图像‑文本优化过程中保持不变，推理阶段仍采用标准的双编码器结构，无需额外元数据输入。实验在胸部 X 线和体积胸部 CT 两类数据集上进行，包括零样本分类、外观扰动、定位以及特征可视化等评估。结果显示，在 CT‑RATE 基准上，Meta-CLIP 的宏观 AUROC 比 CT‑CLIP 提升 1.41 点，95% 配对自助置信区间为 0.96–1.85；在五个 CXR 基准中有四个取得最高宏观 AUROC。进一步的 BrgSA 实验将分析扩展到另一种 CT 主干网络，验证了元数据作为训练时先验的通用性。代码将在论文正式发布后公开。
点评