基于双阶段交互式点击优化框架的口咽癌原发肿瘤体积3D智能分割新方法

本研究针对口咽癌(OPC)放疗中原发性肿瘤体积(GTVt)分割存在的观察者间变异大、耗时长等临床难题，开发了创新的双阶段交互式点击优化框架(2S-ICR)。该研究通过集成深度学习与交互式修正机制，在HECKTOR 2021和MDA数据集上分别实现0.858±0.050和0.870±0.067的Dice相似系数，显著提升放疗规划精度。

　　

口咽癌作为头颈部鳞状细胞癌的重要亚型，其精准放疗面临巨大挑战——传统手动勾画原发性肿瘤体积(GTV_t)不仅存在显著观察者差异，还耗费临床医生大量时间。尽管深度学习(DL)已展现出自动化分割潜力，但当算法结果不理想时，缺乏高效的交互修正机制成为制约临床应用的瓶颈。

来自芬兰阿尔托大学(Aalto University)的研究团队在《Scientific Reports》发表突破性成果，开发出双阶段交互式点击优化框架(2S-ICR)。该创新方法通过分离初始分割与交互优化阶段，首次实现非交互模式Dice系数0.722±0.142与10次交互后0.858±0.050的双重性能突破，为精准放疗提供了智能化的解决方案。

研究团队采用三项关键技术：1）基于5折交叉验证的3D U-Net架构，集成PET-CT多模态数据；2）创新的高斯球面点击编码机制，将用户反馈转化为空间特征；3）概率体记忆系统，通过20%的掩膜丢弃率(p_drop=0.2)增强模型鲁棒性。外部验证采用MD安德森癌症中心(MD Anderson)的67例HPV阳性患者数据。

实验结果

分割性能

2S-ICR在MDA测试集上展现显著优势：初始分割DSC(0.722)已超越DeepEdit-50(0.721)，经10次交互后提升至0.858。HD₉₅从5.385mm优化至2.236mm，证明其边界修正能力。

交互效率

达到DSC阈值0.85仅需5.97次点击，较DeepGrow(7.40次)提升24%。图2展示典型病例修正过程：黄色假阳性区域经3次点击精准消除。

计算效能

在NVIDIA RTX 3080显卡上单次推断仅需0.08秒，VRAM占用2.06GB，满足临床实时性需求。

结论与意义

该研究通过架构创新解决了交互式分割领域长期存在的"非交互-交互性能权衡"难题：

1. 双阶段设计使初始分割保持独立最优，避免DeepEdit类方法的性能妥协

2. 概率体记忆机制实现跨交互事件的信息传递，较传统方法提升19%的修正效率

3. 开源框架为头颈癌放疗提供首个可临床部署的3D交互解决方案

研究证实2S-ICR可显著降低放疗规划中46%的修正耗时，其模块化设计更可扩展至其他医学影像分割场景。如图3所示，该框架通过级联初始网络与优化网络，开创了人机协同精准医疗的新范式。