基于自监督掩码图像Transformer(Self-distilled Masked Image Transformer, SMIT)的Transformer架构——结合对比剂增强与非增强计算机断层扫描(Computed Tomography, CT)的心脏亚结构分割用于放疗计划

《Physics and Imaging in Radiation Oncology》：Transformer-based cardiac substructure segmentation from contrast and non-contrast computed tomography for radiotherapy planning

　　

背景与目的：放疗计划中计算机断层扫描(Computed Tomography, CT)上心脏亚结构的准确分割至关重要。本研究评估了预训练Transformer配合固定架构与均衡课程学习(Balanced Curriculum Learning)，在使用少量标注数据情况下能否实现对抗成像及患者变异的鲁棒泛化。 材料与方法：采用混合预训练Transformer–卷积网络——自蒸馏掩码图像Transformer(Self-distilled Masked Image Transformer, SMIT)，使用肺癌患者扫描(Cohort I，训练N=180)微调，并在保留的Cohort I肺癌扫描(测试N=60)及乳腺癌扫描(Cohort II, N=65)上测试。评估两种配置：SMIT-Balanced(32例对比增强CT，32例非对比CT)和SMIT-Oracle(180例CT)，并与nnU-Net及TotalSegmentator比较。分割精度主要采用第95百分位数豪斯多夫距离(Hausdorff Distance 95th percentile, HD95)评估，辐射剂量及重叠度量为次要终点。 结果：SMIT-Balanced虽少用64%训练扫描，性能接近SMIT-Oracle——Cohort I平均HD95分别为6.6 mm vs 5.4 mm，Cohort II为10.0 mm vs 9.4 mm。Cohort I保留测试集上SMIT-Balanced平均HD95与nnU-Net相差在1.0 mm内。跨队列测试中nnU-Net精度下降大于SMIT-Balanced(62% vs 50%，绝对变化4.5 mm vs 3.4 mm)。SMIT-Balanced所得剂量指标等同于手工勾画。 结论：均衡课程训练降低了SMIT架构的标注数据需求。SMIT-Balanced在Cohort I保留数据上与nnU-Net相当，且跨队列HD95退化更小。

基于Transformer的对比与非对比CT心脏亚结构分割用于放疗计划——论文解读

该文发表于Physics and Imaging in Radiation Oncology。

研究背景

放射治疗中心脏受照剂量与急性和晚期心脏不良事件及患者生存缩短密切相关，但现行放疗计划通常仅将心脏视为单一器官，无法反映各亚结构对辐射敏感性的差异。准确自动分割心脏亚结构可减轻手工勾画负担并支持亚结构特异性剂量评估。常用自配置框架nnU-Net虽在胸腔器官分割表现优异，但其数据集指纹化(dataset fingerprinting)倾向导致测试数据分布偏移时泛化能力下降，且多中心数据难以获取。基于视觉Transformer的自监督学习(Self-Supervised Learning, SSL)表明预训练表征可用较少标注微调并保持固定架构，但是否能在解剖及成像变异较大的心脏亚结构上达到临床可接受精度尚不清楚。因此研究人员探究了混合预训练Transformer–卷积网络SMIT(Self-distilled Masked Image Transformer, 自蒸馏掩码图像Transformer)能否实现数据高效的心脏亚结构分割并对常见临床变异保持精度，同时与nnU-Net进行基准比较。

关键技术方法

研究人员使用两个回顾性单中心队列：Cohort I为240例局部晚期非小细胞肺癌根治性放疗患者的胸部CT（含对比增强CT(Contrast-Enhanced CT, CECT, N=80)及非对比CT(Non-Contrast CT, NCCT, N=160)），按对比剂分层拆分为训练(N=180)与验证(N=60)；Cohort II为65例乳腺癌放疗患者NCCT（仰卧N=45，俯卧N=20）作外部测试集。所有扫描由放疗医师按机构指南手动勾画八個心脏亚结构——主动脉(AO)、肺动脉(PA)、上腔静脉(SVC)、下腔静脉(IVC)、右心房(RA)、右心室(RV)、左心房(LA)、左心室(LV)。采用公开TotalSegmentator数据集(N=1204)做公开→机构数据泛化评估。核心模型为SMIT：SSL预训练Transformer编码器＋随机初始化卷积U-Net解码器并带跳跃连接。主要对比：(1)SMIT-Balanced用32 CECT＋32 NCCT；(2)SMIT-Oracle用全部180例训练CT作性能上界；(3)nnU-Net同等数据训练；(4)公开TotalSegmentator权重模型。损失为等权软Dice＋交叉熵，Adam优化，128×128×128体素块训练32000次迭代，推理用全扫描3D滑动窗口50%重叠。主要评价指标为HD95，次要有Dice相似系数(Dice Similarity Coefficient, DSC)、表面DSC(surface Dice, sDSC, 公差1 mm)、体积比(Volume Ratio, VR)及剂量–体积参数，统计用Wilcoxon符号秩检验（Bonferroni校正）及Mann–Whitney U检验。

研究结果

3. Results——SMIT与nnU-Net及TotalSegmentator性能比较

Cohort I与II上SMIT-Balanced平均HD95分别为6.6 mm与10.0 mm，nnU-Net为5.5 mm与9.4 mm，配对中位HD95差Cohort I≤1.0 mm、Cohort II≤0.8 mm（在临床体素间距范围内）。nnU-Net各亚结构DSC略高（中位ΔDSC 0.01–0.03），低于心脏亚结构勾画观察者间变异。跨队列HD95退化nnU-Net为62%(绝对4.5 mm)，SMIT-Balanced为50%(绝对3.4 mm)。TotalSegmentator平均HD95显著更高（Cohort I 14.8±6.3 mm，Cohort II 31.6±19.3 mm），且几乎无法分割SVC与IVC。SMIT-Balanced虽少用了64%训练数据，性能仍接近SMIT-Oracle（Cohort I 6.6 vs 5.4 mm，Cohort II 10.0 vs 9.4 mm），训练集规模分析显示在32＋32例后性能趋于平台。

3. Results——鲁棒性分析

SMIT-Balanced分割精度(HD95)与患者年龄相关性极弱（Spearman ρ=-0.19～0.12），体重指数(Body Mass Index, BMI)仅肺动脉(PA)呈中度负相关(ρ=-0.33)，其余亚结构弱相关；性别间无显著差异。对比剂类型仅AO、SVC、RA三个结构HD95有差异，余五结构无差异。俯卧位使PA、RA、RV、LA、LV的HD95升高而IVC降低，此模式在三架构中一致，提示源于解剖而非模型架构。冻结骨干微调与全微调HD95多数亚结构相当。

3. Results——剂量–体积验证

手工勾画与SMIT-Balanced AI勾画的各亚结构平均剂量(mean dose, D_Mean)高度吻合(r2>0.95)。剂量–体积直方图(Dose–Volume Histogram, DVH)中位绝对百分比误差Cohort I为1.73个百分点(IQR 1.18–2.27)，Cohort II为0.04个百分点(IQR 0.01–0.20)，各心腔平均剂量差<1 Gy，体积指标无统计学差异(p>0.050)。

讨论与结论翻译

本研究表明，预训练Transformer配合均衡课程学习可在减少64%标注数据下达到接近全量数据的心脏亚结构分割精度，且与匹配数据训练的nnU-Net相当，跨队列HD95退化更小。SMIT对轴序不敏感无需手动重朝向，利于自动化流程。局限性含单中心评估、未含冠状动脉及瓣膜、手工勾画为单人完成未评估观察者间变异。结论：预训练Transformer可在常见患者及成像变异下实现鲁棒的心脏亚结构分割，保留测试集精度与nnU-Net相当且在跨队列分析中显示更高鲁棒性，需大样本多中心验证进一步评估。