ScribbleDose：放疗中基于涂鸦引导的剂量预测
计算机视觉与模式识别
2026-05-19 v2
摘要
解剖结构掩膜在放疗剂量预测中被广泛采用，因为它们提供了显式的几何约束，有助于结构-剂量耦合。然而，这些掩膜的传统手动勾画需要精确标注与放疗相关的结构边界，这既耗时又费力。为了解决这些局限性，我们提出了一种仅依赖稀疏涂鸦标注的解剖结构进行涂鸦引导的剂量预测框架。具体来说，我们设计了一个涂鸦补全模块（SCM），通过将稀疏涂鸦标签传播到语义相似的体素来生成密集的解剖掩膜。在传播过程中，引入基于超体素的正则化以保持几何边界一致性，确保解剖合理性。此外，我们提出了一个结构引导的剂量生成模块（SGDGM），以加强稀疏结构线索与剂量分布之间的对应关系。在此，由涂鸦导出的补全密集掩膜作为结构引导，来调节剂量预测网络。这种涂鸦-掩膜-剂量一致性鼓励高剂量集中在靶区内，同时有效保护周围的危及器官。在开源 GDP-HMM 数据集上的大量实验表明，所提出的方法在保持优异剂量预测性能的同时，大幅降低了标注成本，为稀疏结构标注下的剂量预测提供了一种实用范式。代码和重新标注的涂鸦已在 https://github.com/iCherishxixixi/ScribbleDose 上公开。
引用
@article{arxiv.2605.11555,
title = {ScribbleDose: Scribble-Guided Dose Prediction in Radiotherapy},
author = {Zhenxi Zhang and Yitao Zhuang and Yao Pu and Peixin Yu and Zirong Li and Yan Xia and Hui Li and Bin Li and Fuchen Zheng and Ge Ren},
journal= {arXiv preprint arXiv:2605.11555},
year = {2026}
}
备注
Preprint of the submitted version before peer review. The final Version of Record will be available in the MICCAI 2026 proceedings published by Springer