利用解剖先验知识在 CT 中分割纵隔淋巴结

目的：胸部淋巴结（LNs）因肺癌或肺炎等多种病理状况而趋于增大。临床医生常规测量淋巴结大小以监测疾病进展、确认转移性癌症并评估治疗反应。然而，淋巴结形状和外观的多样性使得识别这些位于大多数器官之外的淋巴结变得繁琐。方法：我们提出利用公开的 TotalSegmentator 工具生成的 28 种不同结构（如肺、气管等）的解剖先验知识来分割纵隔淋巴结。使用公开的 NIH CT 淋巴结数据集中 89 名患者的 CT 体积来训练三个 3D nnUNet 模型以分割淋巴结。使用包含 15 名患者（训练分布外）的公开 St. Olavs 数据集评估分割性能。结果：对于 15 名测试患者，3D 级联 nnUNet 模型对短轴直径 $\geq$ 8mm 的纵隔淋巴结获得了 72.2 $\pm$ 22.3 的最高 Dice 分数，对所有淋巴结获得了 54.8 $\pm$ 23.8 的 Dice 分数。这些结果比在同一测试数据集上评估的现有方法提高了 10 个百分点。结论：据我们所知，我们是首个利用 28 种不同解剖先验知识来分割纵隔淋巴结的研究，并且我们的工作可以扩展到身体的其他淋巴结区域。所提出的方法通过识别初始分期 CT 扫描中的增大淋巴结，在改善患者预后方面具有巨大潜力。