基于nnU-Net的多模态肝脏分割与病灶检测系统：对TotalSegmentator的开源贡献及其在TACE疗效评估中的应用

《Journal of Imaging Informatics in Medicine》：Liver Segment and Lesion Segmentation on CT and MRI: An Open-Source Contribution to TotalSegmentator

本研究针对CT和MRI影像中肝脏分段与病灶自动分割的临床需求，开发了基于nnU-Net的深度学习模型。研究团队利用包含750例影像的训练集，实现了肝脏Couinaud分段分割（CT Dice=0.897，MRI Dice=0.847）和病灶检测（CT灵敏度75.8%，MRI灵敏度62.7%），并通过TACE术后HCC的定性评估验证了模型的临床实用性。该开源工具为肝脏影像分析提供了跨模态的自动化解决方案，显著提升了病灶追踪和疗效评估的效率。

　　

随着肝脏恶性肿瘤诊疗技术的进步，肝脏病灶的随访影像学检查变得越来越普遍。这不仅带来了更长的随访周期，还使得病变情况更加复杂——多发病灶、术后改变以及局部治疗后改变等情况日益增多。放射科医生需要反复比对病灶大小和形态学的动态变化，这个过程既繁琐又耗时。当需要在不同成像模态和时间点追踪多个病灶时，工作量更是成倍增加。

目前，虽然卷积神经网络（CNN）在医学图像分割任务中表现出色，开源模型如TotalSegmentator也在多种解剖结构和病变的分割上树立了标杆，但现有肝脏影像分析工具仍存在明显局限。有些模型仅支持单一成像模态（CT或MRI），有些只关注全肝分割而忽略了病灶检测和肝段定位功能，还有些缺乏公开可用的工具，限制了其临床推广和应用。因此，临床迫切需要一种能够同时支持CT和MRI成像、实现肝脏分段和病灶分割、并能进行Couinaud肝段解剖定位的鲁棒性开源解决方案。

为了解决这些挑战，来自瑞士巴塞尔大学医院放射与核医学科的研究团队在《Journal of Imaging Informatics in Medicine》上发表了他们的最新研究成果。他们基于nnU-Net框架开发了深度学习模型，能够自动检测和分割肝脏解剖结构（Couinaud分段）以及各种类型的肝脏病灶，并作为一个开源工具集成到TotalSegmentator生态中。

研究团队采用了回顾性诊断影像学研究设计，从临床数据仓库中提取包含"肝脏"关键词的放射学报告，最终收集了750例影像研究（429例CT、321例MRI）用于病灶检测训练，其中722例（414例CT、308例MRI）由初级医生在放射科医生监督下进行了手动分割。肝脏解剖分割则分别基于193例CT和120例MRI数据。所有模型训练均采用五折交叉验证，并额外收集80例影像研究（46例CT、34例MRI）用于模型测试。

关键技术方法包括使用nnU-Net框架训练两组模型：解剖模型（分割Couinaud肝段）和病灶模型（检测分割肝脏病变）。数据来源于医院临床数据仓库，通过SQL查询和大型语言模型（GPT-4o）筛选包含肝脏病变的影像学报告。模型评估采用Dice系数、灵敏度、假阳性率等指标，并在公开LiTS数据集上验证泛化能力。

性能结果

肝脏分段分割模型在CT上达到0.897的Dice系数，MRI为0.847，显示出强大的分割性能。

肝脏病灶检测在CT上灵敏度达75.8%，假阳性率0.522/例，Dice系数0.658；MRI上相应指标为62.7%灵敏度、1.029假阳性率/例和0.337 Dice系数。模型在公开LiTS数据集上外部验证达到65.7%灵敏度和0.59 Dice系数，证明良好通用性。

模型与医生对比

在40例研究的子集中，医生间评估的灵敏度为64.7%，Dice分数0.464；而模型与医生比较的灵敏度为53.2%，Dice分数0.432。科恩卡帕系数为0.244，表明病变识别存在固有主观性，模型性能与人工评估相当。

TACE疗效评估应用

模型在172例TACE治疗病例中显示出显著应用价值，HCC病灶衰减值中位数从术前的51.33 HU降至术后的38.50 HU（p=0.021），而体积变化无统计学意义。这一发现展示了模型在治疗反应评估中的潜力。

研究结论表明，这种基于nnU-Net的方法能够可靠地实现跨模态肝脏分段分割和病灶检测，为放射科医生提供了处理繁琐测量任务的有力工具。尽管存在单中心设计和数据异质性等局限，但开源发布促进了更广泛的验证和协作改进。

该研究的核心意义在于提供了一个功能全面、开源可用的肝脏影像分析框架，既支持临床常规工作流程中的自动化测量需求，又为学术研究提供了可扩展的基础平台。通过将复杂的手工操作转化为可靠的自动化处理，这项研究为提高肝脏影像分析的一致性、效率和可及性迈出了重要一步，为未来开发更精准的定量影像生物标志物和个性化治疗监测方案奠定了坚实基础。