科研项目 · 三维医学影像
多中心 PPGL 三维 CT 分割与误检抑制
- 项目时间
- 2024.10 — 至今
- Python
- PyTorch
- MONAI
- 3D Segmentation
合作单位
- 江门市中心医院
- 北京协和医院
- 中国医科大学
- PUMCH 验证集 Dice
- 0.948
- 239 例测试 CT · 假阳性数
- 398 → 13
- 跨中心分割验证
- 3 中心
项目背景
针对 PPGL 病灶位置变化大、周围器官干扰强及多中心影像差异等问题，开展解剖先验引导的三维医学影像分割研究，提升病灶定位与分割精度，并降低复杂解剖环境下的误检。
3D CT · 示意
个人贡献
多中心数据集构建
负责三个中心原始 CT 影像及分割标注整理，完成病例匹配、空间一致性核验、异常数据排查、三维重采样与 ROI 提取，构建标准化模型开发及独立评估数据集。
- 病例匹配
- 空间一致性核验
- 三维重采样
- ROI 提取
分割网络设计与训练优化
设计 PPGL 与 6 类腹部解剖结构联合分割框架，引入解剖先验辅助病灶识别；提出 LD-PGPS 动态上下文训练策略，解决局部病灶细节与全局解剖信息难以兼顾的问题，将 PUMCH 验证集 Dice 从 0.916 提升至 0.948。
- 解剖先验
- 联合分割
- LD-PGPS
误检抑制与跨中心验证
设计 MA-ACV 多解剖锚点验证方法，在 239 例测试 CT 中将假阳性数量由 398 降至 13，同时保留全部 248 个真实病灶；三个中心 PPGL Dice 分别达到 0.9506、0.9301 和 0.9186。
- MA-ACV
- 误检抑制
- 跨中心验证
实验结果与评估范围
- 训练策略 · PUMCH 验证集
- LD-PGPS 将 Dice 从 0.916 提升至 0.948。
- 误检抑制 · 239 例测试 CT
- MA-ACV 将假阳性数量从 398 降至 13，同时保留全部 248 个真实病灶。
- 三中心 PPGL 分割
- 三个中心的 Dice 分别为 0.9506、0.9301 和 0.9186。
以上指标分别对应所述验证或测试范围，不代表临床部署效果。图标为三维影像概念示意，不对应真实患者影像或实验预测结果。