基于集成不确定性的群体影像大规模3D分割质量控制：无金标准下的数据集级选择、失败采样与风险校准

《Medical Image Analysis》：Ensemble-based uncertainty enables large-scale 3d segmentation quality control in population imaging

　　

基于集成（ensemble）的不确定性可实现群体影像中大规模3D分割质量控制（quality control, QC）。
• 集成不确定性可在无金标准（ground truth）条件下实现可靠的分割质量控制。
• 风险-覆盖率曲线（risk-coverage curve）是评估数据集层面整体QC性能的关键。
• 不确定性阈值优化可调节QC结果中的残余误差风险。
• 利用不确定性可对海量3D分割实现快速、资源高效的质量控制。

论文《Ensemble-based uncertainty enables large-scale 3D segmentation quality control in population imaging》发表于《Medical Image Analysis》。研究背景在于，NAKO、UKBB等大型人群队列提供MRI、人口学、医学检测和问卷数据，自动分割算法被广泛用于感兴趣区的空间分析，但深度学习分割会偶发错误，可能影响下游分析。人工QC在数万例数据中耗时巨大，已有视觉检查、精度预测和不确定性估计等方法，但存在标注需求大、运行时间长、高Dice区误差难预测、不确定性估计与真实误差相关性较弱、敏感度和特异度不能反映数据集级选择风险、缺乏阈值调优策略等问题。因此，研究人员提出基于集成不确定性的大规模分割QC框架，目标是在无金标准下估计轮廓勾画精度、采样失败案例并进行风险校准的分割选择。

技术方法概括：研究人员使用NAKO、HELENA和COSYCONET队列。NAKO含3T MRI T1加权3D VIBE 2pt/6pt Dixon肝、肺数据；HELENA用于肝模型预训练；COSYCONET含1.5T MRI Fat-Sat肺及配对CT。分割采用nnU-Net 3D全分辨率，5折交叉验证的5模型集成。误差估计比较max softmax、mean entropy、coefficient of variation、mean/median pairwise Dice（PWD）。评价包括RC曲线、AURC、PR曲线、AUPRC_F；阈值优化用基于风险上界的二分搜索，并与CNN、VAE、RF比较。

研究结果如下。6.1 Estimation of delineation accuracy：通过Pearson相关系数量化误差估计与Jaccard精度，PWD最稳定；median PWD在NAKO_EXP2pd_liver、liver_test、COSYCONET上r=0.76、0.59、0.61；6pt肝mean PWD与RF相当（r=0.79与0.78）；肺median PWD为r=0.70，略低于RF和VAE。学习型估计器对ROI和数据集敏感，VAE在COSYCONET上r=?0.31。6.2 Selection of accurate segmentations：通过RC曲线和AURC评估，PWD最接近oracle；阈值依赖RC中，PWD在肝和COSYCONET取得最低AURC（1.06%、0.60%、2.90%、5.79%）；肺median PWD与VAE最佳（0.76%）。连续RC中除肺外PWD最佳，肺RF连续AURC最低（1.89%），median PWD为2.00%。阈值敏感性分析支持其稳健性。6.3 Sampling of failure cases：通过PR曲线和AUPRC_F评估，PWD除肺外最佳，肝和COSYCONET上分别为75.37%、39.83%、75.51%、76.97%；肺VAE最高（74.00%），median PWD为63.57%。在100%精确率采样时，最佳估计器更依赖ROI和数据集。6.4 Choosing segmentation selection thresholds：通过自动阈值搜索，目标风险与上界接近，2pt肝覆盖率98.37%、6pt肝97.32%、2pt肺99.48%、COSYCONET 80.71%；2pt肝测试风险在界内，6pt肝仅≥2.50%目标可建立有效阈值，肺最严格阈值在COSYCONET保持低风险，但宽松阈值风险不转移，COSYCONET专用调优更校准。6.5 Application in the German National Cohort：在NAKO全队列应用median PWD肝肺、mean PWD 6pt肝，QC拒绝n=446肝分割，恢复2pt/6pt肝体积和脂肪配对关系，体积r=0.97至0.99，脂肪r=0.36至0.98（p<0.01，Steiger’s test）；肺QC识别n=59失败，保留生理合理极值。6.6 Application in the COSYCONET cohort：采用median PWD和最严格COSYCONET阈值，不确定性更高、覆盖率80.71%；QC拒绝102/528例，CT-MRI肺体积相关从r=0.87升至0.90（p<0.01，bootstrap test），剔除掩膜碎片、大孔洞和球度异常，保留呼吸差异。

讨论部分表明，PWD能有效支持数据集级分割选择并避免静默失败，阈值搜索可明确风险-覆盖率权衡且运行高效，任务特异评价对QC必要；大规模应用可改善测量一致性，但域偏移下需保守操作或单独校准；运行时间PWD为0.29–4.48秒/例，若需生成集成分割则增加推理时间，限制包括校准样本代表性和生成分割-不确定性样本的训练成本。

研究结论翻译：在本研究中，研究人员提出了一种用于大型人群影像队列（如NAKO或UKBB）分割QC的高效不确定性方法。所提框架在无金标准情况下支持关键QC任务，包括数据集层面的轮廓勾画精度评估、分割失败采样以及风险校准的准确分割选择。它还提供了自动风险感知阈值调优策略，用于选择实际分割选择操作点。实验表明，任务特异评价对于评估这些不同QC目标至关重要，其中风险-覆盖率分析是评估分割选择的关键组成部分。与包括学习型方法在内的其他评估估计器相比，基于集成输出PWD的误差估计在任务、数据集和器官间表现出最一致的强性能。应用于NAKO中超过10,000例自动分割病例以及外部COSYCONET队列时，所提方法通过过滤大量分割错误和离群值并提高衍生影像测量的可靠性，实现了快速有效的QC。同时，基于PWD的方法保持简单高效，因为它仅需集成分割输出，避免了学习型误差估计器额外的训练复杂性和更强标注需求。这些发现表明，所提基于不确定性的分割QC可有效替代大量人工审核工作，同时支持未来大规模影像研究中的可靠下游分析。