无 T2-FLAIR 序列的鲁棒性脑腺瘤分割与体积量测：针对性 dropout 训练的外部验证
摘要
目标：外部验证在无 T2-FLAIR 序列情况下进行鲁棒性脑腺瘤分割和全肿瘤体积量测，同时保持完整 MRI 协议下性能。方法：本回顾性多数据集研究中，在 BraTS 2021（n=848）上开发 3D nnU-Net 模型，并在独立的宾夕法尼亚大学脑腺瘤队列（n=403）上进行外部验证。模型训练时采用或不采用针对性 T2-FLAIR dropout，即在训练时将 T2-FLAIR 通道置零。测试使用预设的 T2-FLAIR-present 和 T2-FLAIR-absent 场景；缺失场景通过在推理时将 T2-FLAIR 通道置零模拟。主要终点为患者级别的整体区域性 Dice 相似系数（DSC）。次要终点为区域性 DSC、95 百分位 Hausdorff 距离和全肿瘤体积 Bland-Altman 偏差。结果：在外部验证中，完整 MRI 协议下性能得以维持：整体中位数 DSC 为 94.8%（四分位范围 [IQR] 90.0%-97.1%）采用 dropout 和 95.0%（IQR 90.3%-97.1%）不采用 dropout。在 T2-FLAIR-absent 场景下，针对性 dropout 将整体中位数 DSC 从 81.0%（IQR 75.1%-86.4%）提升至 93.4%（IQR 89.1%-96.2%）。全肿瘤 DSC 从 60.4% 提升至 92.6%，95 百分位 Hausdorff 距离从 17.24 mm 降至 2.45 mm，全肿瘤体积偏差从 -45.6 mL 降至 0.83 mL。结论：在独立的外部测试队列中，针对性 T2-FLAIR dropout 在完整 MRI 协议下维持了脑腺瘤分割性能，并在 T2-FLAIR 缺失时显著降低了全肿瘤分割误差和体积偏差。这些发现支持针对性序列 dropout 作为 Retrospective 和异构临床工作流程中自动化脑腺瘤分析的实用鲁棒性策略。
引用
@article{arxiv.2602.20218,
title = {Robust Glioblastoma Segmentation and Volumetry Without T2-FLAIR: External Validation of Targeted Dropout Training},
author = {Marco Öchsner and Lena Kaiser and Robert Stahl and Nathalie L. Albert and Thomas Liebig and Robert Forbrig and Jonas Reis},
journal= {arXiv preprint arXiv:2602.20218},
year = {2026}
}