《Frontiers in Neurology》：Data-centric strategies enable cross-center generalization of convolutional neural networks for CT brain extraction
编辑推荐：
摘要背景：为了确定少量标注扫描能否使预训练的卷积神经网络在不同中心之间实现具有临床意义的适应。以非增强头部CT（NCCT）脑提取作为测试案例，研究人员还旨在识别模型应用于新站点时导致性能下降的因素。材料与方法：本研究使用了来自两个独立机构（中心A：595次扫描
摘要背景：为了确定少量标注扫描能否使预训练的卷积神经网络在不同中心之间实现具有临床意义的适应。以非增强头部CT（NCCT）脑提取作为测试案例，研究人员还旨在识别模型应用于新站点时导致性能下降的因素。材料与方法：本研究使用了来自两个独立机构（中心A：595次扫描；中心B：486次扫描）的非增强头部CT扫描。首先在中心A数据集上评估了一个用于脑组织提取的公共预训练U-Net模型作为基线。然后使用分层子集的标注扫描（5、15、25和75）逐步微调该模型。随后将预训练模型迁移到中心B数据集，并通过相同的增量微调策略进行适应。主要评价指标是三维Dice相似系数（DSC），预先定义的最小重要差异（MID）设为0.01。为了识别导致跨中心性能下降的基线DSC和微调增益的预测因素，应用了方差膨胀因子（VIF）筛选和logit高斯线性模型（GLM），并采用SHapley加法解释（SHAP）分析提供定性特征重要性排序。结果：在中心A，预训练模型达到了0.9634±0.0151的DSC。使用5个标注扫描进行微调使DSC提高到0.9784±0.0070（p<0.0001），超过MID 1.5倍，并将临床不可接受的分割从8.7%降低到0.8%。在中心B观察到类似的增益（p<0.0001）。进一步增加到15、25和75个样本仅带来低于MID阈值的边际改善。回归和SHAP分析确定切片厚度是基线性能下降和微调改善的主要驱动因素，在两个中心占据了80-90%的预测权重。结论：对于在两个中心评估的NCCT脑提取，使用五个本地标注扫描微调公共预训练的CNN可以产生具有临床价值的跨中心分割增益；切片厚度异质性似乎是中心间领域迁移的主要来源。
深度学习模型在医学图像分割中已在单中心评估中达到专家级性能，但跨中心部署时，由于扫描硬件、采集协议和患者人群的系统差异，常出现显著性能下降。这一泛化失败是自动化分割方法广泛临床应用的持续障碍，即便是作为开源资源发布的预训练模型也不例外。非增强头部CT（NCCT）脑提取（即颅骨剥离）是研究该问题的理想任务，它是许多神经影像学定量分析（如脑体积测量、组织分割、病灶量化、空间标准化）的关键预处理步骤，在医院中常规进行，但技术难度源于脑实质与周围结构（尤其是颅底）的强度值接近。现有深度学习模型在单中心表现优异，但鲜有研究系统评估其在有限本地标注资源下的跨中心适应能力。为此，本研究开展了一项双中心回顾性研究，旨在系统确定实现临床有意义的跨中心脑提取所需的最小站点特定NCCT扫描数量，并通过方差分解量化五个异质性维度对领域迁移的相对贡献，同时测量预训练与从零训练相比的样本效率增益。研究人员假设，一个充分预训练的模型能够使用远少于先前报道的样本（≤15次扫描）实现操作上充分的跨中心适应，且采集协议参数（而非扫描仪品牌或患者病理）是跨中心性能变化的主要来源。该研究发表在《Frontiers in Neurology》。
研究人员从两个独立医疗机构（溧阳市中医医院和上海第六人民医院）回顾性收集了2026年2月至4月间的非增强头部CT（NCCT）扫描数据，经筛选后纳入中心A 595次扫描、中心B 486次扫描。采用Akkus等人公开的预训练U-Net模型作为基线，该模型在梅奥诊所5 mm厚层NCCT扫描上训练。在中心A和B分别进行增量微调：使用分层随机抽样从固定75例训练池中选取5、15、25、75个样本，通过独立初始化和序列增量两种管道微调全网络。主要评价指标为三维Dice相似系数（DSC），预先定义最小重要差异（MID）为0.01。为识别领域迁移驱动因素，先对所有预测因子（扫描仪制造商、mAs、切片厚度、视野、疾病诊断）进行方差膨胀因子（VIF）筛选，排除严重多重共线性后，对DSC进行logit变换后拟合高斯线性模型（GLM），获得标准化回归系数；同时采用XGBoost回归框架下的SHapley加法解释（SHAP）分析进行定性特征重要性排序。此外，还进行了十种子敏感性分析、从零训练对照组（He正态初始化）及两种无标注适应方法（测试时批归一化适应和对抗域适应）的比较。
3.1 患者特征：共纳入1081次NCCT扫描，中心A 595次，中心B 486次。两个中心在扫描参数上存在显著异质性，中心A主要使用Philips扫描仪（79%），中心B分布为Siemens（36.5%）、GE（31.9%）、Philips（21.7%）、联影（9.5%），此外在年龄、mAs、视野、切片厚度和诊断分布上也存在差异。
3.2 分割性能与样本量饱和：预训练U-Net在中心A基线DSC为0.9634±0.0151，微调5个样本后升至0.9784±0.0070（p<0.0001），绝对增益0.0151，超过MID 1.5倍，临床不可接受分割（DSC<0.95）从8.7%降至0.8%，严重分割失败（DSC<0.90）完全消除。进一步增加样本量仅带来低于MID的边际改善：5→15样本增益0.0015，25→75样本基本停滞。中心B结果一致，5样本微调DSC从0.9650±0.0132升至0.9813±0.0078（增益0.0163，超过MID 1.63倍）。
3.3 验证与比较实验：十种子敏感性分析显示5样本结果稳定（中心A平均DSC 0.9803，变异系数1.79%，Kruskal–Wallis p=0.76；中心B类似）。从零训练模型使用5样本仅达0.9098±0.042 DSC，低于微调模型0.0703（p<0.0001）；即使使用75样本，从零训练模型DSC（0.9732±0.015）仍低于5样本微调结果（差0.0052，p<0.0001），表明预训练补偿了70多个标注样本的效益。无标注适应方法中，测试时批归一化适应恢复18%跨中心性能差距（DSC=0.9682±0.0105），对抗域适应恢复34%（DSC=0.9706±0.0098），均显著低于5样本微调（差0.0107，p<0.0001）。
3.4 领域迁移驱动因素分解：VIF筛选显示最大VIF为4.51（中心A）和5.61（中心B），均低于10，所有五个预测因子纳入logit GLM分析。标准化系数表明切片厚度是基线性能下降的主导预测因子（中心A β=-0.181，中心B β=-0.198，p<0.001），疾病诊断次之（β=-0.053和-0.030，p<0.01），扫描仪制造商、辐射剂量、视野影响不显著。亚组分析证实薄层扫描（≤1 mm）基线DSC显著低于厚层扫描（中心A：0.9553 vs 0.9700；中心B：0.9546 vs 0.9703，p<0.001）。对于微调增益，切片厚度仍是主要驱动因素（中心A β=0.011，中心B β=0.012，p<0.001），薄层扫描增益（0.0267、0.0283）远大于厚层扫描（0.0055、0.0059）。SHAP分析一致将切片厚度列为最重要性特征，在基线预测中占79.6%（中心A）和83.6%（中心B），在ΔDSC预测中占85.9%和90.0%。GLM系数与SHAP特征重要性排序完全一致（p<0.001）。基线DSC与微调增益呈强负相关（中心A r=-0.909，中心B r=-0.924，p<0.001），表明领域迁移受损最严重的病例通过少样本适应获得最大恢复。
3.5 控制实验与鲁棒性：数据增强带来微小但一致的DSC改善（平均增益0.0010±0.0003），与样本量无交互作用（两因素对齐秩变换ANOVA，校正p=0.763）。学习率在5×10
-6至5×10
-5范围内稳定，使用5样本时DSC变化小于0.003，所有测试学习率均超过MID；仅在高学习率1×10
-4时出现不稳定。15样本与75样本模型间无显著差异（校正p=0.3764），确认性能在15样本后达到平台期。
3.6 分割误差可视化：体素级误差图显示误差集中在脑周边和颅底，中央区域及第三脑室以上切片偏差最小。5样本微调后，周边欠分割（红色区域）显著减少，尤其颅底边缘改善最明显。跨中心迁移后（S2）未新增系统性误差区域。微调后平均误差约3.2 mm，最大误差8.7 mm，89.6%体素在5 mm内；中心B类似（平均3.3 mm，最大8.9 mm，88.9%体素在5 mm内），无体素超过9 mm偏差。
在讨论部分，研究人员总结指出，一个充分预训练的CT脑提取模型仅需5个站点特定标注扫描即可实现有效跨中心适应，远低于先前假设的数十至数百个标注样本。预训练的质量是样本效率的关键：从零训练模型即使使用75个样本仍不及5样本微调预训练模型。方差分解首次定量将CT脑提取跨中心性能下降归因于特定成像协议维度，切片厚度被一致确定为基线分割失败和少样本微调增益的主导预测因子，这与部分体积效应在骨-软组织界面随切片厚度系统变化的理论一致。薄层扫描基线性能最低但微调受益最大，表明原始预训练数据集以厚层扫描为主，形成系统领域迁移。无标注适应方法效果有限，反映了CT领域迁移的几何性质（切片厚度改变有效空间分辨率和边界锐度）无法通过强度归一化解决。这些结果为临床部署提供了直接指导：预训练数据策略应强调切片厚度多样性而非扫描仪多样性；5样本微调完全消除严重分割失败，解决了无监督部署中灾难性错误的安全隐患。研究局限性包括仅两个中心、单一架构（U-Net）和一组预训练权重，以及未考虑个体解剖因素。总之，五个本地标注扫描足以实现预训练CT脑提取模型的有效跨中心适应，切片厚度异质性被确定为领域迁移的主要驱动因素。通过以最小标注负担解决多站点泛化挑战，该策略使得自动化脑提取能够在不同临床神经放射学中心可扩展部署。
