面向标签高效跨模态子区域迁移的统一 CT 与 MRI 胰腺分割

由于成像模态之间存在较大的外观和强度分布差异，实现稳健的医学图像分割颇具挑战性。在未见过的域上应用时，基于单一模态训练的模型通常会出现显著的性能下降。在本研究中，我们开发了一种统一的 3D 胰腺分割框架，将域对抗学习应用于 4,604 例异质性 CT 和 MRI 扫描，以学习解剖学表征。我们训练了一个共享的 nnU-Net 编码器-解码器用于全胰腺分割，并通过潜在域判别器促进 CT-MRI 特征对齐。随后，利用有限的仅 MRI 子区域标注，将所学习的编码器迁移用于胰头、胰体和胰尾分割。在全胰腺分割任务中，同分布测试集上的平均 Dice 得分达到 87.31%，在外部 OOD 数据集上的 Dice 得分为 84.20% 至 88.09%。在下游子区域分割任务中，在不使用 CT 子区域标注的情况下，MRI 和 CT 上的 Dice 得分分别达到 80.53% 和 83.05%。这些结果表明，统一的解剖学表征能够同时支持跨模态胰腺分割和标签高效的下游迁移。