MRISegmentator-Abdomen：用于T1加权腹部MRI的全自动多器官和结构分割工具
图像与视频处理
2025-08-07 v2 计算机视觉与模式识别
摘要
背景：腹部MRI中器官和结构的分割对许多临床应用（如疾病诊断和放射治疗）都有帮助。当前方法仅针对分割有限的腹部结构（13种类型）。迄今为止，尚无公开可用的腹部MRI数据集包含多器官和结构的体素级注释。因此，也不存在针对多结构分割的分割工具。方法：我们策划了一个来自美国国立卫生研究院（NIH）临床中心的T1加权腹部MRI数据集，包含195名患者。该数据集包括每位患者的轴向前对比、动脉、静脉和延迟相，每位患者共4个相位，总计780个序列（69,248个2D切片）。每个序列包含62种腹部器官和结构的体素级注释。我们训练了一个3D nnUNet模型，称为 MRISegmentator-Abdomen（简称MRISegmentator），并在内部测试集和两个大型外部数据集（AMOS22 和 Duke Liver）上进行评估。预测的分割与真实标签使用Dice相似系数（DSC）和归一化表面距离（NSD）进行比较。发现：在内部测试集上，MRISegmentator 的平均DSC为 ，NSD为 。在 AMOS22 数据集上，MRISegmentator 的平均DSC为 ，NSD为 。在 Duke Liver 数据集上，平均DSC为 ，NSD为 。解释：所提出的MRISegmentator 提供了对T1加权腹部MRI序列中62种器官和结构的自动、准确且稳健的分割。该工具有望加快诸如异常检测、放射治疗、疾病分类等多项临床主题的研究。
引用
@article{arxiv.2405.05944,
title = {MRISegmentator-Abdomen: A Fully Automated Multi-Organ and Structure Segmentation Tool for T1-weighted Abdominal MRI},
author = {Yan Zhuang and Tejas Sudharshan Mathai and Pritam Mukherjee and Brandon Khoury and Boah Kim and Benjamin Hou and Nusrat Rabbee and Abhinav Suri and Ronald M. Summers},
journal= {arXiv preprint arXiv:2405.05944},
year = {2025}
}
备注
We made the segmentation model publicly available