BreastSegNet:乳腺 MRI 多标签分割
图像与视频处理
2025-11-20 v1 人工智能
计算机视觉与模式识别
摘要
乳腺 MRI 提供了对乳腺癌筛查与术前分期至关重要的高分辨率成像。然而,现有的乳腺 MRI 分割方法在范围上仍存在局限,通常仅聚焦于少数解剖结构,例如纤维腺体组织或肿瘤,并未涵盖扫描中可见的全部组织类型。这限制了它们在定量分析中的实用性。在本研究中,我们提出了 BreastSegNet——一种针对乳腺 MRI 的多标签分割算法,涵盖九个解剖学标签:纤维腺体组织(FGT)、血管、肌肉、骨骼、病灶、淋巴结、心脏、肝脏与植入物。我们手工标注了共计 1123 张 MRI 切片,并由一位专家放射科医师进行细致的复核与校正。此外,我们对九个分割模型进行了基准测试,包括 U-Net、SwinUNet、UNet++、SAM、MedSAM 以及使用多种 ResNet 编码器的 nnU-Net。其中,nnU-Net ResEncM 在所有标签上取得了最高的平均 Dice 分数 0.694。它在心脏、肝脏、肌肉、FGT 与骨骼上表现尤为出色,Dice 分数均超过 0.73,其中心脏与肝脏接近 0.90。所有模型的代码与权重均已公开,我们计划在后续发布数据。
引用
@article{arxiv.2507.13604,
title = {BreastSegNet: Multi-label Segmentation of Breast MRI},
author = {Qihang Li and Jichen Yang and Yaqian Chen and Yuwen Chen and Hanxue Gu and Lars J. Grimm and Maciej A. Mazurowski},
journal= {arXiv preprint arXiv:2507.13604},
year = {2025}
}