基于伪标签与交叉半监督的DWI脑组织自动提取新方法及其在卒中诊疗中的应用

本文提出一种基于一致性正则化与熵最小化的半监督脑组织提取方法（SSL-BET），通过交叉监督机制有效利用大量未标注临床DWI数据，在仅需3例标注样本条件下实现97.32%±0.59%的Dice系数，显著优于FSL-BET、SPM-BET等传统方法（p<0.05），为卒中患者DWI影像的自动化分析提供了新思路。

　　

^亮点

^{脑组织提取方法}

FSL-BET和SPM-BET是两种常用的传统方法。具体而言，FSL-BET采用可变形模型来逼近脑表面并提取脑实质。若目标数据偏离可变形模型的假设，该算法可能无法准确提取相应脑区。SPM-BET与AFNI均属基于配准的方法，通过将目标MRI图像与预分割的标准脑模板对齐来实现脑实质分割。

^方法

本研究采用3D U-Net作为分割模型，通过有限标注DWI扫描数据与大量未标注DWI数据训练我们的SSL-BET模型。如图2所示，训练过程包含三个步骤：1）首先仅使用标注数据训练模型；2）在交叉监督（一致性正则化损失函数）指导下，两个结构相同但参数不同的模型联合使用标注与未标注数据进行训练。

^数据收集

本研究使用三个内部MRI数据集和一个公共数据集进行方法训练与评估。内部数据集经清华大学长庚医院与首都医科大学宣武医院（均位于北京）伦理委员会批准，豁免知情同意要求。

• 1）DWI-1数据集：2018年7月至2024年4月期间，从清华大学长庚医院放射科收集85例36-91岁缺血性卒中患者的头部DWI影像...

^{SSL-BET与其他脑组织提取方法的比较}

为评估本方法准确性，我们使用DWI-1数据集将提出的SSL-BET与多种现有脑组织提取方法进行对比。定量结果汇总于表1，定性结果如图3所示。

如表1所示，非学习方法（即SPM和FSL的BET工具）表现出较低精度和较高标准差。值得注意的是，FSL-BET相较于学习方法表现尤其不佳。观测到的大方差表明...

^结论

本文提出一种半监督脑组织提取方法（SSL-BET）用于处理缺血性卒中患者的DWI扫描。与现有脑提取方法相比，通过以10:1比例有效利用未标注数据，SSL-BET在Dice相似系数和Hausdorff距离方面均实现更优的分割性能。凭借双模型监督框架和优化的伪标签机制，本方法在其他...