肝纤维化量化与分析：LiQA 数据集与基线方法
计算机视觉与模式识别
2025-12-23 v2
摘要
肝纤维化是全球重大的健康负担，需要准确的阶段划分以实现有效的临床管理。本报告介绍了 LiQA（肝纤维化量化与分析）数据集，作为 CARE 2024 挑战赛的一部分建立。该数据集包含 440 名患者的多期、多中心 MRI 扫描，旨在为肝分割（LiSeg）和肝纤维化分期（LiFS）算法提供基准，以应对复杂真实世界条件，包括域偏移、模态缺失和空间错位。我们进一步描述了挑战赛中表现最佳的方法论，该方法论将半监督学习框架与外部数据相结合以实现鲁棒分割，并利用基于类激活图（CAM）正则化的多视图共识方法进行分期。对该基线的评估表明，利用多源数据和解剖约束可显著增强模型在临床环境中的鲁棒性。
引用
@article{arxiv.2512.07651,
title = {Liver Fibrosis Quantification and Analysis: The LiQA Dataset and Baseline Method},
author = {Yuanye Liu and Hanxiao Zhang and Jiyao Liu and Nannan Shi and Yuxin Shi and Arif Mahmood and Murtaza Taj and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2512.07651},
year = {2025}
}