用于IV期非小细胞肺癌的可信赖AI：自动分割和不确定性量化

准确的肺肿瘤分割对推动非小细胞肺癌（NSCLC）个性化医疗至关重要。然而，IV期NSCLC由于肿瘤形态的异质性以及感染、肺不张和胸腔积液等相关情况的存在，带来了重大挑战。多中心数据集的复杂性进一步使得在不同临床环境中实现稳健的分割变得更加困难。在本研究中，我们评估了基于深度学习的方法，利用3D架构对来自Deep-Lung-IV研究的387个CT扫描进行高级阶段肺肿瘤的自动分割。通过全面的实验，我们评估了模型设计、HU窗值和数据集大小对分割性能的影响，提供了稳健实施的实用指南。此外，我们提出了一种使用深度集成来量化预测不确定性的置信评分，并自动识别需要进一步审查的复杂病例。我们的结果展示了基于注意力的架构和特定预处理策略在如此具有挑战性的临床场景中提高分割质量的潜力，同时强调了不确定性估计在构建医疗影像中可信赖AI系统的重要性。代码可在以下链接获取： https://github.com/Sacha-Dedeken/SegStageIVNSCLC.