基于掩膜提示引导的多阶段网络在脊柱CT图像椎体精准识别中的应用

　　针对脊柱CT图像视野多变导致的椎体识别难题，研究人员提出掩膜提示引导的多阶段网络(MPGMSN)，通过密度聚类定位、多尺度分割和SAM-Med3D驱动的序列化识别三阶段协同，在VerSe20和VerSe19数据集上分别实现1.94%和1.42%的识别准确率提升，为临床椎体自动化分析提供高效解决方案。

　　

在医学影像分析领域，脊柱椎体的精准识别犹如"拼图游戏"——当CT扫描视野(Field of View, FOV)随机截取1到24节不等的椎体片段时，传统方法往往陷入"盲人摸象"的困境。这种视野变异不仅使椎体数量成为未知数，更让特定椎体类型的先验信息失效。更棘手的是，过渡椎体和病理变化的存在，使得基于标准数据集训练的深度网络性能骤降，而现有多模块串联方法又面临误差传导的"多米诺效应"。

针对这一挑战，东南大学的研究团队在《Biomedical Signal Processing and Control》发表创新成果，提出掩膜提示引导的多阶段网络(MPGMSN)。该研究通过三阶段"接力赛"：密度聚类定位→多尺度分割→SAM-Med3D驱动的序列化识别，在VerSe20和VerSe19测试集上分别实现98.34%和97.82%的识别准确率，较现有技术提升1.94%和1.42%。尤为关键的是，该方法通过阶段间信息闭环传递，将传统方法中"各自为政"的定位、分割、识别任务转化为协同作战的有机整体。

技术方法上，研究团队首先采用密度聚类算法建立椎体邻域包络密度模型；继而构建含跳跃连接(Skip Connection)和Inception块的轻量化U-Net变体；最终基于SAM-Med3D编码器开发序列化掩膜提示识别模块(SMPSAM)，通过双向长短期记忆网络(BiLSTM)处理特征序列。实验数据来自VerSe19(160例)、VerSe20(319例)及私有数据集。

【Single-stage segmentation and identification method】
通过分析传统单阶段方法的局限性，指出迭代回归的FCN网络和基于邻接矩阵的后处理难以适应视野变异，为多阶段设计提供理论依据。

【Overview of the framework】
三阶段架构中，前阶段输出作为后阶段输入形成信息闭环：密度聚类定位模块通过自适应阈值处理应对形态异常；多尺度分割网络参数量减少23%但保持Dice系数0.912；SMPSAM模块通过掩膜对齐使特征维度压缩至1/8。

【Dataset and preprocessing】
在数据增强方面，采用随机旋转(±15°)和灰度抖动(±10%)策略，VerSe20数据集被划分为训练集(113例)、测试集(103例)和验证集(103例)，所有数据均进行isotropic resampling至1mm³
分辨率。

【Discussion and conclusion】
该研究的突破性体现在三方面：密度聚类使定位误差降低至1.2mm；Inception块与跳跃连接的组合使分割参数量控制在8.7M；SMPSAM的序列化处理使长程依赖识别准确率提升6.3%。临床价值在于，该方法对金属植入物和病理改变的鲁棒性较基线模型提高31.5%。

这项研究开创性地将提示学习(Prompt Learning)理念引入医学图像分析，其阶段间信息传递机制犹如"考古学的地层标记法"——前一阶段的"发掘成果"成为后阶段的研究基础。这种设计不仅降低62%的计算复杂度，更建立起椎体识别领域首个可解释的多阶段协同范式，为其他解剖结构分析提供普适性框架。国家重点研发计划(2022YFE0116700)和国家自然科学基金(62171125)的支持，预示着该技术向临床转化的广阔前景。