面向可扩展全身CT分割的统一数据-模型框架CADS

《Nature Communications》：CADS: a comprehensive anatomical dataset and segmentation for whole-body anatomy in computed tomography

　　体部计算机断层扫描（CT）分割支持定量图像分析，但大多数基于人工智能的方法仍局限于特定器官，存在模型碎片化、标签定义不一致以及训练和评估方案异质性的问题。在此，我们提出CADS，一个统一的数据-模型框架，用于可扩展且泛化的全身CT分割。我们构建了一个SNOMED-CT参考的解剖标签空间，整合了来自100多个影像中心的异质性队列，生成了22,022个CT体积中167个结构的完整注释，显著扩展了现有资源的解剖覆盖范围和规模。为在稀疏标注的CT上完成标签，我们结合了自训练与基于神经隐式函数的形状感知质量控制，筛选出高质量的伪标签。基于这一资源训练的CADS在分布偏移下展现出稳健的全身分割性能，并在18个公共数据集中相较于最先进方法有所提升。我们进一步在由专家审阅的独立真实世界肿瘤队列（2864例CT）中验证了该模型。所整理的数据集、预训练模型和用户友好的软件共同为大规模解剖分割和计算解剖学研究提供了可获取、可复现的基础。