🤖 machine learning

MambaX-Net: Dual-Input Mamba-Enhanced Cross-Attention Network for Longitudinal Prostate MRI Segmentation

MambaX-Net 是一种新颖的半监督、双输入 3D 分割架构，它利用增强型 Mamba 交叉注意力模块和形状提取器，通过利用前一时间点的数据和伪标签，有效地在纵向主动监测 MRI 中分割前列腺分区，从而在专家标注有限的情景下超越了现有模型。

原作者： Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

发布于 2026-08-21

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Yovin Yahathugoda, Davide Prezzi, Patricia A. Gutierrez, Piyalitt Ittichaiwong, Vicky Goh, Sebastien Ourselin, Michela Antonelli

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

前列腺癌是男性中常见的疾病，对于许多并非迫在眉睫的病例，医生会选择一种称为“主动监测”的策略。与其匆忙进行手术或放疗（这可能会产生显著的副作用），不如对患者进行长期的密切观察。这包括定期的血液检查和重复的磁共振成像（MRI）扫描，以观察癌症是否正在生长或发生变化。其目标是在发现病情进展的早期阶段及时介入，同时避免为那些不需要治疗的人进行不必要的治疗。然而，阅读这些扫描图像对放射科医生来说是一项艰巨的任务。他们必须仔细勾勒出整个前列腺腺体及其内部区域，以测量体积并发现细微的变化。在长期的监测计划中，为每一次扫描都进行这种手动操作既缓慢又容易出错，因此产生了利用人工智能来协助自动化这一过程的需求。

计算机面临的挑战在于，前列腺的解剖结构并不是静态的。在数月或数年间，腺体会发生形状改变、萎缩或轻微位移，且MRI图像的质量也会有所不同。现有的多数人工智能模型都是针对单次扫描进行训练的，就像一张快照。它们并不理解患者病史背后的故事。如果计算机在不知道一年前前列腺长什么样的情况下看到一张新扫描图，它可能难以区分正常的生理变化与疾病迹象。此外，训练这些系统通常需要成千上万张由专家医生辛勤绘制的图像，而这类资源是稀缺且昂贵的。

伦敦国王学院的一个研究小组开发了一种解决这些问题的新方法，并在最近的一项研究中进行了描述。他们创建了一个名为 MambaX-Net 的系统，旨在同时观察同一患者的两份扫描图像：当前的图像和前一次就诊时的图像。该系统不再将新扫描视为独立的图片，而是利用旧的扫描图像和之前的前列腺医学绘图作为引导。这使得计算机能够理解解剖结构是如何随时间演变的，而不是仅仅基于单一时刻进行猜测。

这一新系统的核心依赖于两项特定的创新。首先，它使用了一个类似于“记忆库”的组件，将旧的医学绘图转换为一个关于前列腺形状和大小的紧凑地图。这张地图作为一个解剖学锚点，提醒系统该特定患者的前列腺应当呈现何种形态。其次，该系统采用了一个专门的处理单元，将当前扫描与之前的扫描进行对比，寻找整个图像中的关联。该单元设计得非常高效，使其能够在不被海量数据困扰的情况下，追踪前列腺3D体积内的长程关系。通过将旧形状的记忆与对新图像的深度对比相结合，系统可以优化其边界，尤其是在前列腺与其它组织交界或形状不规则的棘手区域。

为了测试这一想法，研究人员并没有依赖于一套完美的专家绘图（这类绘图在纵向研究中非常罕见），而是采用了一种巧妙的训练方法。他们首先利用一个强大的现有人工智能模型来生成大量患者扫描图的粗略自动化绘图。这些自动化绘图虽然并不完美，但可以作为起点。随后，新系统通过利用患者的扫描历史记录来学习如何修正这些“草稿”。研究人员在接受主动监测的真实世界患者数据集上测试了他们的系统，该组别包含了复杂的病例，例如曾接受过前列腺手术的男性，或因金属植入物等因素导致图像质量较差的患者。

结果显示，这种新方法显著优于现有的先进模型。即使是在相对较少的患者以及不完美的自动化标签上进行训练，该系统也能比那些经过大规模数据集训练的模型产生更准确的前列腺及其内部区域的轮廓。它在保持平滑、连续的边界方面表现尤为出色，避免了经常困扰其他系统的锯齿状或破碎化错误。该系统表现出了极强的鲁棒性，即使在学习的自动化标签包含错误时依然有效，这表明利用历史背景有助于计算机忽略噪声并专注于真实的解剖结构。

研究还探讨了该系统处理训练数据中不同类型错误的能力。他们发现，尽管系统对一定程度的不准确性具有韧性，但对前列腺外层（一个难以定义的薄且不规则的区域）的错误最为敏感。这与放射科医生在标记该特定区域时面临的困难相吻合。尽管存在这种敏感性，该系统仍能持续提供比竞争对手更好的结果，证明了利用患者护理的时间线是提高医学影像分析水平的强大手段。

这项工作为专家时间有限的临床实践指明了一条路径。通过将患者自身的病史作为引导，人工智能可以实现对复杂器官的高精度分割，即使在训练数据不完美的情况下也是如此。研究人员指出，虽然他们的系统是一个重要的进步，但它是设计为成对处理扫描图像的，即一次处理一对序列。他们承认，对于极长期的监测，需要对系统进行仔细管理，以确保微小的误差不会在多年间不断累积。尽管如此，这种无需庞大手工绘图库即可准确追踪前列腺随时间变化的能力，为提高主动监测的效率和可靠性提供了一个极具前景的工具。

技术摘要：用于纵向前列腺 MRI 分割的 MambaX-Net

问题陈述
主动监测（Active Surveillance, AS）是低至中危前列腺癌的标准治疗方案，需要通过定期的序列 MRI 进行监测，以追踪疾病进展。对整个前列腺（WP）及其亚区域（外周带 PZ、移行带 TZ）进行精确分割，对于体积估计和自动化病灶检测至关重要。然而，现有的深度学习模型在此背景下面临两个主要局限性：

纵向建模差距： 最先进（SOTA）的模型大多是在单时间点数据上训练的。它们将每次扫描视为孤立的过程，未能利用在 AS 方案中随时间变化的多次扫描所提供的丰富时序信息。
标注稀缺： 纵向数据集难以获取且人工标注成本高昂。现有的半监督方法通常难以处理公共预训练数据集与私有临床 AS 数据之间的领域偏移（domain shift），或者无法处理在无标签纵向扫描中生成的伪标签（pseudo-labels）所固有的噪声问题。
架构局限性： 虽然 Transformer 能够捕捉长程上下文，但它们通常需要大规模数据集，并且在处理细粒度细节方面表现欠佳。相反，CNN（如 nnU-Net）虽然鲁棒，但缺乏明确的机制来在不依赖刚性图像配准的情况下模拟时间演变，而由于前列腺 MRI 存在非刚性变形，这种配准往往是不可靠的。

方法论
作者提出了 MambaX-Net，这是一种专门为纵向数据设计的创新型半监督、双输入 3D 分割架构。该模型扩展了 3D nnU-Net 框架，用以处理一对扫描数据：当前时刻 $t$ 的扫描 ( $I_t$ )、前一时刻 $ $t-1$ 的扫描 ( $I_{t-1}$ ) 以及前一时刻的分割掩码 ( $M_{t-1}$ )。

关键架构组件包括：

双编码器结构： 两个具有共享权重的编码器分别处理 $I_t$ 和 $I_{t-1}$ 。为了平衡计算效率与高分辨率空间细节的保留， $I_{t-1}$ 的编码器被截断，仅提取前三个特征层级。
形状提取模块（SEM）： 一个由 3D 卷积层组成的序列块，用于将前一时刻的分割掩码 ( $M_{t-1}$ ) 编码为潜在解剖表示 ( $f_{SEM}^{t-1}$ )。这作为一个显式的解剖先验，在不需要显式图像配准的情况下，捕捉了患者特异性的形状和大小信息。
Mamba 增强型交叉注意力模块（M-CAM）： 这是核心创新点。它将 Mamba 模块（状态空间模型）集成到交叉注意力机制中。
- 当前扫描的特征 ( $f_t$ ) 作为查询（queries）。
- 前一时刻扫描的特征 ( $f_{t-1}$ ) 与 SEM 的输出 ( $f_{SEM}^{t-1}$ ) 共同作为键（keys）和值（values）。
- Mamba 模块处理这些嵌入，以线性缩放的方式高效捕捉长程空间和时间依赖关系，避免了 Transformer 的二次方复杂度。
- 该模块在潜空间内执行隐式特征对齐，将当前扫描的图像数据与前一时刻掩码的结构引导进行融合。
自训练框架： 为了解决纵向数据中专家标注缺失的问题，作者采用了半监督策略。在公共 PI-CAI 数据集上预训练的 nnU-Net 生成用于无标签 AS 训练数据的伪标签。这些伪标签被用于微调 MambaX-Net，其中前一时刻的伪标签作为输入，当前时刻的伪标签用于计算损失。
损失函数： 使用改进的 Focal Tversky Dice 交叉熵（FT_DCE）损失函数，以处理类别不平衡问题，并重点关注难例负样本（particularly at hard negative examples），特别是在形态不规则的前列腺尖部和底部。

核心贡献

首个基于 Mamba 的纵向分割模型： MambaX-Net 是第一个利用 Mamba 模块联合建模纵向 MRI 演变和显式先验掩码解剖上下文的架构。
新颖的模块集成： 引入 M-CAM 和 SEM 模块，使模型能够在不依赖刚性配准的情况下，将全局注意力锚定在患者特异性的几何结构上，从而精细化区域边界。
数据高效性： 该框架证明，通过利用噪声伪标签和时序上下文，即使在有限的专家标注下也能实现高质量的分割，其表现优于在更大规模数据集上训练的模型。

实验结果
该模型在一个私有纵向 AS 数据集（317 名患者）上进行了评估，并与 SOTA 基线模型（nnU-Net-V2, SwinUNETR-V2, SegMamba）以及之前的双扫描模型（DSM）进行了对比。

性能： MambaX-Net 在全前列腺（WP）、外周带（PZ）和移行带（TZ）的 Dice 系数（DSC）和 95% 分位数豪斯多夫距离（HD95）方面显著优于所有基线模型，尤其是在低数据量场景下（微调时 $n \le 50$ 名患者）。
鲁棒性： 即使在受噪声伪标签训练的情况下，该模型仍保持了卓越的性能；相比之下，单扫描模型（尤其是 SwinUNETR）出现了严重的性能退化。
定性分析： 可视化结果显示，MambaX-Net 生成了平滑且连续的 3D 体积，并能准确描绘边界，即使在涉及术后解剖（TURP）或图像伪影等挑战性病例中，其他模型会出现边界泄漏或不连贯的预测。
效率： 尽管拥有庞大的参数量（426.4M），但由于 Mamba 模块的线性缩放特性，避免了 Transformer 的二次方内存瓶颈，因此 MambaX-Net 所需的峰值 GPU 显存更低（14.4 GB），且速度更快（276.3 ms）（对比 SwinUNETR 为 25.1 GB, 649.5 ms）。

意义与主张
论文声称，MambaX-Net 为无需大量人工标注或显式图像配准的纵向前列腺 MRI 分析提供了一条可行的临床转化路径。通过有效地结合 Mamba 的高效性与形状提取器的结构引导，该模型克服了 CNN 和 Transformer 在处理时序数据方面的局限性。作者强调，该模型在保持高精度的同时能够利用伪标签，并在数据匮乏、存在噪声的环境中保持稳健，这解决了 AI 在主动监测（AS）领域部署的关键瓶颈。

作者也谦虚地承认了局限性，指出该研究基于单一机构的数据集，且双输入设计目前仅处理成对的时间点，而非同时对三个或更多时间点进行建模。他们还指出，如果伪标签受到严重损坏，性能可能会下降，特别是在 PZ 区域，这表明未来可以开展基于不确定性感知（uncertainty-aware）的自训练研究。

技术摘要：用于纵向前列腺 MRI 分割的 MambaX-Net

类似论文