论文
全面心脏 CT 分割和表型分析的统一框架：人机循环数据注释、视觉基础模型开发、多中心评估和临床验证
A Unified Framework for Comprehensive Cardiac CT Segmentation and Phenotyping: Human-in-the-Loop Data Annotation, Vision Foundation Model Development, Multicenter Evaluation and Clinical Validation
摘要
通过计算机断层扫描（CT）对心脏结构进行全面量化仍然受到限制，不仅受到数据可用性的限制，而且受到测量的可扩展性的限制，这使得常规使用不切实际。在这里，我们提出了一个用于全面心脏 CT 分割和表型分析的统一框架，该框架结合了人机循环注释流程、心脏 CT 增强技术以及在 60,000 个未标记心脏 CT 扫描上预训练的自监督基础模型。使用这种方法，我们组装了迄今为止最大、最全面的专家注释心脏 CT 分割数据集，包括 1598 个病例和 14 个不同的心脏结构（1000 个用于训练，598 个用于外部测试集）。在五个外部数据集中，该框架比现有的开源工具更准确、更全面地分割所有结构。自监督 预训练 提高了标记效率，在低数据状态下的外部评估期间观察到最显着的增益。跨卷积、Transformer 和状态空间架构的基准测试显示出可比较的性能，这表明数据质量和 预训练（而不是架构）推动了准确性。该框架已扩展到人群水平的表型分析，分段解剖结构携带有关心室功能和疾病严重程度的功能相关信息，超出了人口统计学变量的范围。通过公开发布包含人类标签、代码、模型权重、CT 增强库和软件的最大数据集，这项工作为根据常规采集的 CT 扫描进行机会性心脏表型分析提供了可重复的基础。