基于用户偏好的交互式校正方法，该方法考虑不确定性因素，用于从CT图像中对肝脏器官和肿瘤进行分割与分析

《npj Digital Medicine》：User-preference alignment with uncertainty-aware interactive rectification for liver organ and tumor segmentation and analysis from CT images

　　

摘要

从CT图像中准确分割肝脏和肿瘤对于癌症诊断、治疗计划制定以及疗效评估至关重要。然而，手动分割不仅耗时费力，结果也因操作者而异；而标准的自动化模型则缺乏灵活性，无法适应多样化的临床需求或图像中的不确定性。为了解决这一难题，我们提出了“基于用户偏好与不确定性感知的交互式校正框架”（UAIR），这是一种专为高效和适应性分割设计的新型方法。该框架无需进行繁琐的像素级校正，而是通过量化模型不确定性来为临床医生提供一组精选的分割候选方案。用户只需选择最合适的方案，框架便会据此迭代优化结果，并使其符合特定的临床要求。这种基于选择的方法大大降低了人工干预的成本。我们在一个大规模的多中心CT数据集上对UAIR进行了验证，结果表明其准确率（DSC 0.776）优于现有的手动定位引导方法（DSC 0.685），且所需的引导工作量也更少。UAIR提供了一种临床可行的解决方案，它将无缝的人机交互融入其中，实现了快速且可靠的分割，为后续的定量分析提供了有力支持。