LesionLocator: Zero-Shot Universal Tumor Segmentation and Tracking in 3D Whole-Body Imaging
作者: Maximilian Rokuss, Yannick Kirchhoff, Seval Akbal, Balint Kovacs, Saikat Roy, Constantin Ulrich, Tassilo Wald, Lukas T. Rotkopf, Heinz-Peter Schlemmer, Klaus Maier-Hein
发布时间: 2025-03-03
来源: arxiv
研究方向: 医学图像处理，特别是肿瘤的自动分割和追踪
主要内容
LesionLocator是一个用于3D全身医学图像中肿瘤的零样本分割和追踪的框架。它能够对多种类型的肿瘤进行分割和追踪，并具有在时间维度上进行追踪的能力。
主要贡献
1. 实现了零样本通用肿瘤分割，在分割任务中达到人类水平的表现
2. 提出了统一的分割和追踪框架，将分割和追踪结合，提高纵向肿瘤监测的准确性
3. 引入了合成纵向数据生成技术，解决了纵向数据稀缺的问题，并发布了合成纵向数据集和模型
4. 在多个零样本分割任务中取得了优越的性能，包括不同类型的肿瘤和身体部位
5. 在多时间点数据上的体积追踪方面建立了新的基准
研究方法
1. 使用大量的标注医学图像数据集和合成的纵向数据来训练模型
2. 采用基于Transformer的3D UNet作为骨干网络，并使用额外的通道来接受提示
3. 引入了提示传播模块，通过时间传播提示信息，实现纵向追踪
4. 提出了合成纵向数据生成技术，从单时间点图像生成合成纵向数据
实验结果
LesionLocator在多个数据集上进行了评估，包括六个保留的肿瘤分割数据集和一个内部标注的全身黑色素瘤数据集。结果表明，LesionLocator在分割和追踪任务中均取得了优越的性能，超过了现有的方法。
未来工作
未来工作将包括：将LesionLocator应用于其他类型的医学图像，如MRI和PET；改进合成纵向数据生成技术，生成更真实的合成数据；将LesionLocator与其他医学图像分析技术结合，如放射组学分析。