编辑推荐：
研究人员为解决骨盆和骶骨肿瘤（PSTs）分割难题，开发 DL 框架，结果良好，具临床应用潜力。
在人体的骨盆和骶骨区域，肿瘤就像隐藏在复杂地形中的 “暗堡”，因其特殊的解剖位置和多样的组织特性，诊断和治疗面临着巨大挑战。骨盆和骶骨肿瘤（Pelvic and sacral tumors，PSTs）无论是原发性还是继发性，往往表现为较大的软组织肿块，容易侵犯周围的血管、神经和盆腔器官。在诊断过程中，磁共振成像（Magnetic resonance imaging，MRI）虽能提供详细的组织结构信息，但要从多序列 MRI 中精准地分割出 PSTs，对于放射科医生来说困难重重，不仅耗时，还需要丰富的临床经验，这也严重阻碍了有效的治疗规划和手术干预。
为了攻克这一难题，北京大学人民医院和 InferVision 研究所的研究人员开展了一项具有突破性的研究。他们致力于开发一种基于深度学习（Deep learning，DL）的框架，旨在实现从多序列 MRI 中高效分割 PSTs。相关研究成果发表在《Cancer Imaging》上。
研究人员在开展研究时，运用了多种关键技术方法。首先，他们从医院的病例库中选取了 2011 年 4 月至 2022 年 5 月期间 921 例经病理证实的 PSTs 患者，经过严格的纳入和排除标准筛选，最终 616 例患者纳入研究，并分为训练集、验证集和测试集。其次，采用不同场强的 GE 医疗设备进行骨盆 MRI 扫描，获取 T1 加权（T1-w）、T2 加权（T2-w）、扩散加权成像（Diffusion weighted imaging，DWI）和对比增强 T1 加权（Contrast-enhanced T1-weighted，CET1-w）序列图像。手动标注时，训练集进行粗标注，测试集进行细标注。在模型构建方面，提出了一种融合 2.5D U-net 和 MobileNetV2 的 DL 框架，采用快速注释策略，开发了 All-sequence 分割模型和 T2-fusion 分割模型，并使用 Dice 评分和交并比（Intersection over union，IoU）评估模型性能。
研究结果如下：
- 患者特征：616 例患者中男性 331 人、女性 285 人，平均年龄 41.74±17.63 岁。训练集、验证集和测试集在年龄、性别、肿瘤大小、位置和恶性程度等方面无显著差异。
- 不同维度分割比较：2.5D MobileNetV2 + Unet 模型表现最佳，Dice 评分为 0.741，IoU 为 0.615，优于 2D 和 3D 模型。
- All-sequence 模型性能：该模型用不同序列训练时，T2-w 输入的 Dice 评分最高，为 0.819；多序列融合训练时，T1-w、T2-w 和 DWI 输入表现最佳。
- T2-fusion 模型性能：以 T2-w 和 CET1-w 序列构建模型，T2-w 的 Dice 评分达 0.833 ，IoU 为 0.719，优于 All-sequence 模型。
研究结论和讨论部分指出，研究开发的两个模型具有重要意义。All-sequence 模型适用于单序列图像，T2-fusion 模型对 T2-w 图像分割性能更优，二者都有潜力提高临床效率，减轻医生工作量。同时，研究首次将 2.5D U-Net 应用于基于多序列 MRI 的 PSTs 分割，验证了其在诊断、手术规划和治疗方面的巨大潜力。不过，研究也存在局限性，如 MRI 数据仅来自一家机构，样本排除了图像不完整或质量差的患者，且只纳入了单个 PSTs 病例。未来的研究将聚焦于优化融合策略、纳入多中心数据、扩展模型处理多个肿瘤病例，进一步评估模型在实际临床中的效用。这项研究为 PSTs 的临床诊断和治疗开辟了新的道路，有望推动医学领域在该疾病研究上取得更大的进展。<这项研究成果为医学领域带来了新的希望。在未来，随着技术的不断优化和完善，基于该深度学习框架的应用可能会更加广泛。它或许能成为医生诊断 psts>
从更宏观的角度看，此研究也为其他医学影像领域的肿瘤分割研究提供了宝贵的借鉴经验。其采用的 2.5D 技术、多序列融合策略以及快速注释方法等，都有可能被应用到其他部位肿瘤的诊断和治疗中，推动整个医学影像学的发展。
然而，要将这些研究成果真正转化为临床实践中的常规应用，还需要克服诸多挑战。一方面，需要进一步验证模型在不同人群、不同设备和不同临床环境下的稳定性和可靠性；另一方面，如何将这些复杂的技术整合到现有的医疗系统中，实现与临床工作流程的无缝对接，也是亟待解决的问题。
但无论如何，这项发表于《Cancer Imaging》的研究已经迈出了重要的一步。它让人们看到了深度学习技术在医学领域的巨大潜力，也为后续的研究指明了方向。相信在科研人员的不断努力下，这些技术将更快地造福患者，为人类健康事业做出更大的贡献。
