LesionLocator：3D全身成像中的零样本通用肿瘤分割与追踪
计算机视觉与模式识别
2025-03-03 v1 人工智能
摘要
在这项工作中，我们提出了 LesionLocator，一个用于 3D 医学成像中零样本纵向病灶追踪与分割的框架，建立了首个能够利用密集空间提示进行 4D 追踪的端到端模型。我们的模型利用了包含 23,26 张标注医学扫描数据的大规模数据集，以及跨多种病灶类型合成的纵向数据。我们数据集的多样性和规模显著增强了模型对真实世界医学成像挑战的泛化能力，并解决了纵向数据可用性方面的关键局限。LesionLocator 在病灶分割方面以近 10 个 Dice 点的优势优于所有现有的可提示模型，达到了人类水平，并在病灶追踪方面取得了 SOTA 结果，具有卓越的病灶检索和分割准确率。LesionLocator 不仅在通用可提示病灶分割和自动化纵向病灶追踪中设定了新基准，还提供了首个此类开放获取的解决方案，向社区发布了我们的合成 4D 数据集和模型，为医学成像领域的未来进展赋能。代码可在以下地址获取：www.github.com/MIC-DKFZ/LesionLocator
引用
@article{arxiv.2502.20985,
title = {LesionLocator: Zero-Shot Universal Tumor Segmentation and Tracking in 3D Whole-Body Imaging},
author = {Maximilian Rokuss and Yannick Kirchhoff and Seval Akbal and Balint Kovacs and Saikat Roy and Constantin Ulrich and Tassilo Wald and Lukas T. Rotkopf and Heinz-Peter Schlemmer and Klaus Maier-Hein},
journal= {arXiv preprint arXiv:2502.20985},
year = {2025}
}
备注
Accepted at CVPR 2025