TIPS 术后预测的多模态交互:用于生存率、并发症与门静脉压力评估的多中心数据集与框架
计算机视觉与模式识别
2025-10-14 v1
摘要
经颈静脉肝内门体静脉分流术(TIPS)是治疗门静脉高压的成熟术式,但其生存预后存在较大变异,且术后显性肝性脑病(OHE)发生率较高,因而亟需准确的术前预后建模。现有研究通常基于术前 CT 图像或临床特征构建机器学习模型,但面临三大关键挑战:(1)感兴趣区(ROI)标注耗时费力;(2)单模态方法可靠性与泛化性不足;(3)单终点预测导致评估不全面。此外,公开可访问数据集的匮乏也制约了该领域的研究。为此,我们发布了 MultiTIPS——首个面向 TIPS 预后的公开多中心数据集,并基于此提出了一种新颖的多模态预后框架。该框架包含三个核心模块:(1)双方案分割,通过整合半监督与基础模型流水线,在有限标注下实现稳健的 ROI 分割,并便于后续特征提取;(2)多模态交互,引入多粒度影像组学注意力(MGRA)、渐进式正交解耦(POD)以及临床引导的预后增强(CGPE)三种技术,实现跨模态特征交互与互补表征融合,从而提升模型精度与鲁棒性;(3)多任务预测,采用分阶段训练策略,对生存率、门静脉压力梯度(PPG)及 OHE 预测进行稳定优化,以实现全面的预后评估。在 MultiTIPS 上的大量实验表明,所提方法优于当前最优方法,并具备出色的跨域泛化能力与可解释性,展现出良好的临床应用前景。数据集与代码均已公开。
引用
@article{arxiv.2510.10464,
title = {Post-TIPS Prediction via Multimodal Interaction: A Multi-Center Dataset and Framework for Survival, Complication, and Portal Pressure Assessment},
author = {Junhao Dong and Dejia Liu and Ruiqi Ding and Zongxing Chen and Yingjie Huang and Zhu Meng and Jianbo Zhao and Zhicheng Zhao and Fei Su},
journal= {arXiv preprint arXiv:2510.10464},
year = {2025}
}
备注
81 pages, 13 figures