OREHAS：用于MRI体积内淋巴积水量化的全自动深度学习流程
计算机视觉与模式识别
2026-01-30 v2
摘要
我们提出了 OREHAS（Optimized Recognition & Evaluation of volumetric Hydrops in the Auditory System，听觉系统体积积水的优化识别与评估），这是首个从常规 3D-SPACE-MRC 和 3D-REAL-IR MRI 中对内淋巴积水（EH）进行体积量化的全自动流程。该系统将切片分类、内耳定位和序列特异性分割三个组件集成到一个单一工作流程中，直接从整个 MRI 体积中计算每耳的内淋巴与前庭体积比（ELR），无需人工干预。OREHAS 仅使用每位患者 3 至 6 张标注切片进行训练，即可有效泛化到完整 3D 体积，在 SPACE-MRC 上达到 0.90 的 Dice 系数，在 REAL-IR 上达到 0.75。在具有完整手工标注的外部验证队列中，OREHAS 与专家真实值高度吻合（VSI = 74.3%），并显著优于临床 syngo.via 软件（VSI = 42.5%），后者倾向于高估内淋巴体积。在 19 名测试患者中，OREHAS 的前庭测量结果与 syngo.via 一致，而内淋巴体积则系统性更小且在生理上更符合实际。这些结果表明，利用有限监督可以从标准 MRI 中实现可靠且可重复的 EH 量化。通过将高效的深度学习分割与临床对齐的体积工作流程相结合，OREHAS 减少了对操作者的依赖，确保了方法学的一致性。此外，结果与现有成像协议兼容。该方法为大规模研究以及基于内耳精确体积测量重新校准临床诊断阈值提供了坚实基础。
引用
@article{arxiv.2601.18368,
title = {OREHAS: A fully automated deep-learning pipeline for volumetric endolymphatic hydrops quantification in MRI},
author = {Caterina Fuster-Barceló and Claudia Castrillón and Laura Rodrigo-Muñoz and Victor Manuel Suárez-Vega and Nicolás Pérez-Fernández and Gorka Bastarrika and Arrate Muñoz-Barrutia},
journal= {arXiv preprint arXiv:2601.18368},
year = {2026}
}