基于真实世界 MRI 图像的多模态肝脏分割与纤维化分期
图像与视频处理
2025-10-01 v1 计算机视觉与模式识别
摘要
肝纤维化是指由持续性肝损伤引起的细胞外基质过度积聚。它会破坏正常的肝小叶结构和功能，增加肝硬化和肝功能衰竭的风险。用于早期诊断和干预的纤维化精确分期通常是有创的，存在风险和并发症。为应对这一挑战，基于人工智能的肝脏分割和纤维化分期的最新进展提供了一种无创替代方案。因此，CARE 2025 挑战赛旨在利用多中心、多模态和多期相 MRI 数据，开发在真实场景中量化和分析肝纤维化的自动化方法。该挑战赛包括精确肝脏分割（LiSeg）和纤维化分期（LiFS）任务。在本研究中，我们为所有提供的 MRI 模态开发了一套用于这两项任务的自动化流程。该流程集成了基于多模态共配准的伪标签生成、使用深度神经网络的肝脏分割，以及基于从分割掩膜和 MRI 图像中提取的形状、纹理、外观和方向（STAD）特征的肝纤维化分期。仅使用已发布的有限标注数据，我们提出的流程在所有 MRI 模态上均表现出卓越的泛化能力，并在所有竞赛子任务中取得了顶级性能。该方法为基于定量 MRI 的肝纤维化评估提供了一个快速且可重复的框架，有助于早期诊断和临床决策。代码可在 https://github.com/YangForever/care2025_liver_biodreamer 获取。
引用
@article{arxiv.2509.26061,
title = {Multi-modal Liver Segmentation and Fibrosis Staging Using Real-world MRI Images},
author = {Yang Zhou and Kunhao Yuan and Ye Wei and Jishizhan Chen},
journal= {arXiv preprint arXiv:2509.26061},
year = {2025}
}