用于脑肿瘤MR波谱VOI放置的智能体LLM工作流
计算机视觉与模式识别
2026-03-17 v1 人工智能
摘要
磁共振波谱（MRS）提供了脑肿瘤具有临床价值的代谢特征描述，但其效用取决于波谱感兴趣区（VOI）的准确放置。然而，VOI放置通常具有较宽的操作窗口：对于给定肿瘤，存在多个可能的VOI能够产生高质量的MRS测量结果。因此，VOI放置可以根据临床医生偏好、病例特异性解剖结构和临床优先级进行调整，从而导致较高的操作者间变异性，尤其是在异质性肿瘤方面。我们提出了一种智能体大语言模型（LLM）工作流，将VOI放置分解为多样化候选VOI的生成，再由LLM基于定量指标从中选择最优候选VOI。候选VOI由具有不同目标函数偏好的基于视觉变换器的放置模型生成，从而允许从可接受的替代方案中进行选择，而非单一的确定性放置。在110例临床脑肿瘤病例上，该智能体工作流在固体肿瘤覆盖率和坏死规避方面，根据用户偏好相较于通用专家放置取得了改善。总体而言，所提出的工作流提供了一种策略，可在无需重新训练任务特定模型的情况下，将VOI放置适配到不同的临床目标。
引用
@article{arxiv.2603.13371,
title = {Agentic LLM Workflow for MR Spectroscopy Volume-of-Interest Placements in Brain Tumors},
author = {Sangyoon Lee and Francesca Branzoli and Małgorzata Marjańska and Patrick Bolan},
journal= {arXiv preprint arXiv:2603.13371},
year = {2026}
}
备注
10 pages, 4 figures