
-
生物通官微
陪你抓住生命科技
跳动的脉搏
MFANet在CT肝脏肿瘤分割中的缺相容忍能力多数据集评估
《BMC Medical Imaging》:Mfanet for liver and tumor segmentation from incomplete multiphase CT: a multi-dataset study
【字体: 大 中 小 】 时间:2026年10月16日 来源:BMC Medical Imaging 3.9
编辑推荐:
摘要背景肝脏肿瘤分割必须应对计算机断层扫描(CT)不同期相和标注完整性的差异。我们在异质数据集上评估了具有缺相容忍能力的多源频率-解剖网络(MFANet)。方法本回顾性研究使用五个公开数据集的患者级划分,包含1,029例开发病例和260例源内测试病例。来自重庆市渝北区人民医院
肝脏肿瘤分割必须应对计算机断层扫描(CT)不同期相和标注完整性的差异。我们在异质数据集上评估了具有缺相容忍能力的多源频率-解剖网络(MFANet)。
本回顾性研究使用五个公开数据集的患者级划分,包含1,029例开发病例和260例源内测试病例。来自重庆市渝北区人民医院的独立四期相CT数据集包含361名患者,其中278人患有原发性肝癌。MFANet将掩码期相融合与独立的肝脏和肿瘤解码器相结合。五个对照模型接收了相同的期相和标签信息。主要终点是五个源内测试队列中等源的患者级肿瘤Dice均值的平均值。我们使用源分层bootstrap评估配对差异。外部肿瘤Dice为次要终点。
在五个源内测试队列中,MFANet的平均肿瘤Dice为80.84%,STU-Net-B为79.84%(配对差异1.00个百分点;95%置信区间0.38–1.59)。在要求病灶Dice至少为0.10才能匹配的探索性分析中,小于10毫米病灶的灵敏度为61.2%与56.5%。在同一168例子集中,去除门静脉CT使所有六个模型的Dice均下降,但我们未能建立模型间下降幅度的差异。在独立的PLC-CECT来源中,278例癌症病例的肿瘤Dice为77.10%与STU-Net-B的75.92%。83例对照被排除在肿瘤评估之外。
MFANet在匹配输入和监督条件下对所测试队列的肿瘤分割有适度改善。其临床价值以及在自然不完整外部扫描和无癌症对照中的表现仍未知。
肝脏肿瘤分割必须应对计算机断层扫描(CT)不同期相和标注完整性的差异。我们在异质数据集上评估了具有缺相容忍能力的多源频率-解剖网络(MFANet)。
本回顾性研究使用五个公开数据集的患者级划分,包含1,029例开发病例和260例源内测试病例。来自重庆市渝北区人民医院的独立四期相CT数据集包含361名患者,其中278人患有原发性肝癌。MFANet将掩码期相融合与独立的肝脏和肿瘤解码器相结合。五个对照模型接收了相同的期相和标签信息。主要终点是五个源内测试队列中等源的患者级肿瘤Dice均值的平均值。我们使用源分层bootstrap评估配对差异。外部肿瘤Dice为次要终点。
在五个源内测试队列中,MFANet的平均肿瘤Dice为80.84%,STU-Net-B为79.84%(配对差异1.00个百分点;95%置信区间0.38–1.59)。在要求病灶Dice至少为0.10才能匹配的探索性分析中,小于10毫米病灶的灵敏度为61.2%与56.5%。在同一168例子集中,去除门静脉CT使所有六个模型的Dice均下降,但我们未能建立模型间下降幅度的差异。在独立的PLC-CECT来源中,278例癌症病例的肿瘤Dice为77.10%与STU-Net-B的75.92%。83例对照被排除在肿瘤评估之外。
MFANet在匹配输入和监督条件下对所测试队列的肿瘤分割有适度改善。其临床价值以及在自然不完整外部扫描和无癌症对照中的表现仍未知。