编辑推荐：
针对肝硬化 MRI 精准分割及深度学习模型训练数据匮乏难题，研究人员构建 CirrMRI600 + 数据集，含 628 例高分辨率 MRI 扫描及标注，结合 11 种 SOTA 算法验证。该成果为肝硬化自动化分期和个性化治疗提供关键数据支撑。
在肝脏疾病的诊疗领域，肝硬化作为慢性肝病的终末期阶段，如同潜伏在人体内的 “沉默杀手”，其引发的广泛肝纤维化和结节性再生，显著推高了患者的死亡风险。当前，磁共振成像（MRI）凭借非侵入性优势，成为评估肝硬化的重要手段，但肝硬化肝脏的形态改变与信号异质性，使得精准分割宛如在迷雾中寻找方向，成为临床和科研的一大难题。更严峻的是，深度学习方法虽展现出自动化分析的潜力，却因缺乏大规模带注释的数据集，仿佛巧妇难为无米之炊，发展步伐受限。在此背景下，来自美国西北大学（Northwestern University）与土耳其伊斯坦布尔大学（Istanbul University）的研究团队，携手在《Scientific Data》发表重要成果，为肝硬化的精准诊疗点亮了新的灯塔。
为突破数据瓶颈，研究团队开展了一项具有里程碑意义的研究。他们精心构建了 CirrMRI600 + 数据集，这是首个专门针对肝硬化肝脏研究的综合性数据集。研究人员从 339 例肝硬化患者中，收集了 628 例高分辨率腹部 MRI 扫描数据，其中包括 310 例 T1 加权成像（T1W）和 318 例 T2 加权成像（T2W）序列，涵盖近 40,000 个带专家验证分割标签的切片。同时，数据集还纳入了人口统计信息、临床参数及组织病理学验证（如有）。
在技术方法上，研究团队采用了严谨的流程。首先，MRI 数据采集遵循严格协议，纳入标准包括多数为肝硬化确诊患者，部分为正常腹部影像者，以确保数据多样性；扫描来自三种不同设备（飞利浦 Achieva 1.5T、3T 和西门子 Symphony 1.5T），包含对比增强和非增强序列，且保留轻至中度伪影以贴近临床实际。其次，分割注释采用半自动化两步法，先利用 MRSegmentor 进行预分割，再由四位临床医生 / 放射科医生手动优化，既提高效率又保证准确性。数据标准化处理将 DICOM 格式转换为 NIFTI 格式并上传至 OSF 服务器，便于共享与分析。此外，研究对 11 种先进的深度学习算法（如 nnSynergyNet3D、LinTransUnet、nnFormer3D 等）进行基准测试，评估指标涵盖骰子相似系数（DSC）、平均交并比（mIoU）、豪斯多夫距离（HD95）等，全面衡量算法性能。
研究结果
数据集特征与临床价值
CirrMRI600 + 作为单中心、多厂商、多平面和多期相数据集，填补了肝硬化 MRI 数据的空白。其纳入的患者涵盖不同病因和阶段的肝硬化，包括轮廓结节、肝段萎缩 / 肥大、腹水、静脉曲张等复杂形态改变，甚至包含 55 例健康对照，为研究提供了丰富的样本基础。通过放射学评估，数据集将肝硬化分为轻度、中度和重度三个阶段，为后续的病情分析和模型训练提供了明确的临床分级依据。
多模态影像的优势
T1W 和 T2W 序列的结合，展现了多模态影像的独特优势。T1W 擅长描绘解剖结构、血管和脂肪含量，可揭示包膜回缩等特征；T2W 则提供出色的软组织对比度，能突出纤维化和液体含量变化导致的肝实质异质性。这种互补性使研究人员能够开发更强大的分割和分类算法，充分利用两种模态的信息，提升对肝硬化的分析能力。
基准测试与模型性能
在 T1W 数据集上，nnSynergyNet3D 表现最为出色，mIoU 达 84.51，DSC 为 87.89%，HD95 为 21.04 mm，其基于 Transformer 的设计使其能有效捕捉精细和粗略特征及长程依赖。LinTransUnet 和 nnFormer3D 也展现出较强的性能，凸显了 Transformer 架构在处理肝硬化肝脏复杂边界和形态变化中的优势。而传统的 CNN 模型如 nnUNet3D 性能稍逊，说明混合 CNN-Transformer 模型在该领域的潜力。
在 T2W 数据集上，nnSynergyNet3D 同样表现优异，DSC 为 86.51%，HD95 和平均对称表面距离（ASSD）较低。考虑到 T2W 图像因采集技术可能存在运动伪影，研究团队同时采用容积和平面数据训练模型，结果表明 2D 分析在处理伪影方面具有一定优势，MedSegDiff 等扩散模型在 2D 分割中表现突出，为应对不同成像条件提供了多样化的解决方案。
定性验证与一致性分析
定性结果显示，现有模型在轻度肝硬化分割中表现较好，但在中重度病例中，因肝硬化瘢痕导致的 MRI 纹理不佳，分割难度显著增加。nnSynergyNet3D 在 advanced 病例中表现更稳定，得益于其自动配置和混合架构。四位临床医生对分割结果的验证显示了较高的观察者间一致性（T1W kappa=0.89，T2W kappa=0.87），进一步验证了数据集和分割方法的可靠性。
研究结论与意义
CirrMRI600 + 数据集的发布，为肝硬化的影像学研究和深度学习模型开发提供了关键资源。其大规模、多模态和详细标注的特点，有助于推动自动化肝硬化视觉分期和个性化治疗计划的发展，有望减少对有创肝活检的依赖，提升早期诊断和病情监测的效率。尽管存在单中心、缺乏其他模态数据等局限性，但通过精心策划的病例多样性和高质量注释，该数据集仍具有广泛的适用性和重要的临床转化价值。未来，基于该数据集的深入研究，将进一步挖掘 MRI 在肝硬化诊疗中的潜力，为肝病患者带来更精准、高效的医疗服务。
