面向全身 PET/CT 的交互式皮肤病变分段：基于可提示模型的方法
计算机视觉与模式识别
2025-09-01 v1
摘要
全身 PET/CT 是肿瘤成像的基石，但由于 tracer 异质性、生理摄取及多中心变异性，准确的病变分段仍具挑战性。虽然完全自动的方法已取得显著进展，但临床实践受益于保持人机参与以高效细化预测掩模的方法。autoPET/CT IV 挑战赛引入了基于模拟用户提示的交互式分段任务以满足这一需求。本文报告我们参赛于 Task 1 的方案。基于获胜的 autoPET III nnU-Net 流水线，我们扩展了该框架，通过将用户提供的前景和背景点击编码为额外输入通道来实现可提示功能。我们系统性地研究了空间提示的表示方法，证明欧几里得距离变换 (EDT) 编码在一致上 outperform 高斯核。此外，我们提出在线模拟用户交互和自定义点抽样策略以提高现实提示条件下的鲁棒性。我们的 EDT 基模型集成（包括使用和不使用外部数据的模型），在交叉验证中实现了最强性能，显著降低了误报和漏报率。这些结果凸显了可提示模型在多 tracer、多中心 PET/CT 中实现高效、用户引导分段工作流程的潜力。代码已公开于 https://github.com/MIC-DKFZ/autoPET-interactive。
引用
@article{arxiv.2508.21680,
title = {Towards Interactive Lesion Segmentation in Whole-Body PET/CT with Promptable Models},
author = {Maximilian Rokuss and Yannick Kirchhoff and Fabian Isensee and Klaus H. Maier-Hein},
journal= {arXiv preprint arXiv:2508.21680},
year = {2025}
}
备注
atuoPET4 Team LesionLocator