
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于基础模型的多平面MRI重建技术在子宫肌瘤分析中的应用
《npj Digital Medicine》:Reconstruction from multi-planar MRI with foundation models for uterine fibroid analysis
【字体: 大 中 小 】 时间:2026年06月25日 来源:npj Digital Medicine 18.0
编辑推荐:
摘要子宫肌瘤是最常见的妇科疾病之一,而准确的3D重建是临床诊断、手术规划以及治疗效果评估的必要前提。常规的临床流程通常包括进行一系列正交的矢状面、冠状面和横断面MRI扫描,以评估肿瘤的形态结构。这类图像中的体素具有各向异性特征,且3D覆盖范围有限,现有的评估方法往往依赖于基于平面
子宫肌瘤是最常见的妇科疾病之一,而准确的3D重建是临床诊断、手术规划以及治疗效果评估的必要前提。常规的临床流程通常包括进行一系列正交的矢状面、冠状面和横断面MRI扫描,以评估肿瘤的形态结构。这类图像中的体素具有各向异性特征,且3D覆盖范围有限,现有的评估方法往往依赖于基于平面分割的不同2D视图。此外,那些在单个中心的数据上训练得到的模型,往往无法泛化到更广泛的数据集上。因此,实现准确且一致的3D重建,以便对子宫肌瘤进行定量分析,尤其是结合无监督领域自适应技术,是目前临床领域亟需解决的难题。本文提出了基于基础模型引导的自适应分割框架(FGAS),用于无需标注的多平面子宫肌瘤MRI图像自动分割。该框架利用解剖学先验信息优化伪标签,同时通过多视图一致性约束和连通组件控制,减少对平面信息的依赖,降低假阳性率。在多种临床数据集上的实验表明,FGAS的性能显著优于现有方法,其Dice相似系数从基线模型的42.8%提升到了70.6%,表现优于当前最先进的无监督领域自适应技术和多平面分析方法。这些结果说明,FGAS能够实现高效、高精度的自动化重建,适用于无需标注的多视图及跨领域图像分析。