面向多相 MRI 肝脏分割的标签高效跨模态泛化
计算机视觉与模式识别
2026-04-15 v4
摘要
在多相 MRI 中准确分割肝脏对于肝纤维化评估至关重要，但标注数据常稀缺且在不同成像模态和制造商系统之间分布不均。我们提出一种标签高效的分割方法，以适应实际场景下的跨模态泛化，其中 GED4 肝胆相注释有限，无对比的序列（T1WI、T2WI、DWI）无标签，且常见空间错位和缺失相位。我们的方法集成了规模为 3D 的分割主干网络通过微调、基于交叉伪监督的 co-training 以利用无标签体积，以及标准化的预处理流程。无需进行空间配准，模型即可在不同 MRI 相位和制造商之间学习泛化，在标注和无标签领域均表现出稳健的分割性能。我们的结果显示，我们提出的标签高效基线在多相、多制造商 MRI 肝脏分割方面有效，突显了将基础模型适配与 co-training 结合用于实际临床成像任务的潜力。
引用
@article{arxiv.2510.04705,
title = {Label-Efficient Cross-Modality Generalization for Liver Segmentation in Multi-Phase MRI},
author = {Quang-Khai Bui-Tran and Minh-Toan Dinh and Thanh-Huy Nguyen and Ba-Thinh Lam and Mai-Anh Vu and Ulas Bagci},
journal= {arXiv preprint arXiv:2510.04705},
year = {2026}
}
备注
Accepted at MICCAI 2025 Workshop