磁性共振成像中周血管空间分割自动方法的标准化评估 —— MICCAI 2024 挑战结果
定量方法
2025-12-23 v1 计算机视觉与模式识别
图像与视频处理
摘要
当周血管空间 (PVS) 在磁共振成像 (MRI) 结构序列中异常放大且可见时，即为脑小血管病和潜在神经退行性疾病的重要成像标志物。尽管具有临床意义，但自动化的异常放大周血管空间 (EPVS) 分割仍然具有挑战性，这主要源于其体积小、形态多变、与其他病灶相似以及标注数据集有限。本文介绍了在 MICCAI 2024 上举办的 EPVS 挑战，旨在推动跨多中心数据上自动化算法的开发。我们提供了包括 100 例训练、50 例验证和 50 例测试扫描的多样化数据集，来自英国、新加坡和中国的多个国际中心，具有不同的 MRI 协议和人口学特征。所有标注均遵循 STRIVE 协议，以确保标准化的 ground truth，并覆盖完整的脑脊髓 parenchyma。七支队伍完成了整个挑战，实现了各种深度学习方法，主要基于 U-Net 架构，创新点包括多模态处理、集成策略和 transformer 组件。性能采用 dice 相似系数、绝对体积差、召回率和精确率等指标进行评估。获胜方法采用 MedNeXt 架构，采用双 2D/3D 策略处理不同切片厚度。顶级解决方案在测试数据上表现良好，但在之前未见的上海队列中表现显著下降，凸显了由于领域迁移导致的跨站点泛化挑战。这一挑战为 EPVS 分割方法建立了重要基准，强调需要继续开发能够在多样临床环境中泛化的鲁棒算法。
引用
@article{arxiv.2512.18197,
title = {Standardized Evaluation of Automatic Methods for Perivascular Spaces Segmentation in MRI -- MICCAI 2024 Challenge Results},
author = {Yilei Wu and Yichi Zhang and Zijian Dong and Fang Ji and An Sen Tan and Gifford Tan and Sizhao Tang and Huijuan Chen and Zijiao Chen and Eric Kwun Kei Ng and Jose Bernal and Hang Min and Ying Xia and Ines Vati and Liz Cooper and Xiaoyu Hu and Yuchen Pei and Yutao Ma and Victor Nozais and Ami Tsuchida and Pierre-Yves Hervé and Philippe Boutinaud and Marc Joliot and Junghwa Kang and Wooseung Kim and Dayeon Bak and Rachika E. Hamadache and Valeriia Abramova and Xavier Lladó and Yuntao Zhu and Zhenyu Gong and Xin Chen and John McFadden and Pek Lan Khong and Roberto Duarte Coello and Hongwei Bran Li and Woon Puay Koh and Christopher Chen and Joanna M. Wardlaw and Maria del C. Valdés Hernández and Juan Helen Zhou},
journal= {arXiv preprint arXiv:2512.18197},
year = {2025}
}