重新思考多发性硬化症（MS）病灶分割模型的评估
计算机视觉与模式识别
2026-05-12 v1 人工智能
摘要
多发性硬化症（MS）是一种慢性自身免疫性疾病，可显著降低患者的生活质量。现有的治疗选择仅能帮助减缓疾病进展。因此，早期发现和精确监测疾病进展非常重要。深度学习为检测和分割脑部 MRI 扫描中的 MS 病灶提供了 SOTA 模型。然而，这些模型大多使用 Dice 分数进行评估，未考虑逐病灶的检测和分割性能，也未考虑在人类标注者感到复杂或困惑的病例中，或在疾病检测和进展监测至关重要的病例中量化模型性能的其他指标。在本文中，我们强调需要重新思考 MS 病灶分割模型的评估。在此背景下，我们首先详细介绍了问题指纹，以突出神经病学家在脑部 MRI 扫描中寻找用于 MS 检测和进展监测的内容，以及在这些背景下正确量化模型性能所需的指标。此外，我们在两个开源数据集上使用这些指标对 SOTA 模型进行了分析，以突出其在医院实际部署中的可用性。
引用
@article{arxiv.2605.09666,
title = {Rethinking Evaluation of Multiple Sclerosis (MS) Lesion Segmentation Models},
author = {Abdul Basit and Ashir Rashid and Muhammad Abdullah Hanif and Muhammad Shafique},
journal= {arXiv preprint arXiv:2605.09666},
year = {2026}
}
备注
8 pages, 5 figures, Accepted to IJCNN 2026