GLI-AL：具有统一解剖-病灶标签的多模态胶质瘤MRI标注资源 GLI-AL: A Multi-Modal Glioma MRI Label Resource with Unified Anatomy-Lesion Labels
BraTS-GLI派生资源：统一八类解剖-病灶标签，解决共病WMH的标签噪声。
前置知识
BraTS脑肿瘤分割基准
BraTS（Brain Tumor Segmentation）是多中心、术前、多参数MRI+专家肿瘤子区域标注的公开基准，BraTS 2023-GLI训练集含1251例成人胶质瘤四模态（T1/T1ce/T2/T2-FLAIR）影像，标注NCR（坏死肿瘤核心）、ED（瘤周水肿）、ET（增强肿瘤）三个子区域，统一在SRI24标准空间、$1\,\text{mm}^3$分辨率、$240\times240\times155$体素、去颅骨。
GLI-AL是BraTS-GLI的派生资源，必须先理解原始任务的标签定义（只标肿瘤子区域、不标共存异常）才能看懂它要解决的标签噪声从何而来。
白质高信号（WMH）与共病病灶
WMH是脑白质区在FLAIR上呈高信号的病灶，常见于脑血管病、老化、脱髓鞘。Rudie等给BraTS 2018训练集285例补专家WMH标注，发现68.8%的病例含至少$100\,\text{mm}^3$ WMH。在胶质瘤患者中WMH与肿瘤共存极为普遍，但BraTS原始任务不标注它们。
未标注的WMH在联合分割中会被当成健康组织训练，是本文要消除的核心标签噪声源；理解WMH的普遍性和隐蔽性才能体会纯化/扩展分层的必要性。
联合分割与任务特定标签噪声
联合分割指用一个模型同时输出健康组织（灰质、白质、基底节等）和病灶（肿瘤、WMH）。若训练标签里某些体素本应是病灶但被标成健康组织，模型会被鼓励把病理区预测为正常解剖，这种噪声称为任务特定标签噪声，与随机标签噪声不同，会系统性地压制模型对共存病灶的敏感度。
本文的核心实证发现（Joint-Baseline在外部WMH上DSC骤降到4.3）正是这种噪声的体现，必须先理解概念才能解读结果。
MedNeXt与nnUNet自动分割框架
MedNeXt是基于nnUNet的Transformer驱动缩放卷积网络，用$3\times3\times3$大核、五折交叉验证、AdamW优化器做医学体积分割。本文用MedNeXt-M（中等规模）做受控验证：初始学习率$10^{-3}$、weight decay $3\times10^{-5}$、1000 epochs、batch size 2。
MedNeXt既是WMH筛查的工具，又是验证资源价值的下游模型，理解其训练协议才能复现Table 3的对比实验。
概率标签融合与熵加权
多源标签融合把多个预测器的概率图整合成单一标签。本文用TumorSynth在四模态上各自输出softmax概率图，再按voxel-wise熵$H_m(v)=-\sum_c P_m(c|v)\log P_m(c|v)$算自适应权重$W_m(v)=\exp[-H_m(v)]/\sum_j\exp[-H_j(v)]$，置信度高（熵小）的模态获更大权重，最终$L_{fused}(v)=\arg\max_c\sum_m W_m(v)P_m(c|v)$。
这是GLI-AL生成统一健康组织标签的核心算法，也是公式(1)-(4)的主体，读懂才能理解为何要剔除离群模态、为何引入病灶硬约束。
研究动机
BraTS-GLI（2023训练集1251例）只标注肿瘤子区域NCR/ED/ET，不系统标注共存的WMH。Rudie等给BraTS 2018训练集285例补专家WMH标注后发现，68.8%的病例含至少$100\,\text{mm}^3$ WMH——证明未标注WMH在胶质瘤队列里普遍存在而非偶发。在联合分割（同时分割健康组织和病灶）场景下，这些未标注WMH被隐式当作健康组织参与训练，监督信号会鼓励模型把病理区分类为正常解剖，形成任务特定标签噪声。现有公开资源各自只解决一部分：FreeSurfer/SynthSeg只给健康组织标签不给病灶，BraTS只给肿瘤标签，SOOP中风数据集只给单一病灶标签；没有任何资源同时集成健康组织标签、肿瘤标注、WMH分层和可审计来源记录于一个统一标签空间。
本文的目标是本文目标是在BraTS 2023-GLI全训练集（1251例）基础上构建GLI-AL资源，提供一个统一的八类解剖-病灶标签空间：0背景、1皮质灰质(GM)、2基底节(BG)、3白质(WM)、4病灶(Lesion)、5脑室(Ven)、6小脑(Cer)、7脑干(BS)。同时把队列分成394例纯化子集（WMH-aware清洗）和857例扩展子集，附带116例影像修复标签（whole tumor和WMH两类），并提供溯源元数据、QC记录、SHA-256校验与受控访问入口。目的是让下游研究能在同一标签空间内联合监督健康组织和病灶、做标签噪声敏感性分析、按来源做分层实验，而不必在互不兼容的标签定义间反复切换。
与已有工作不同的是，本文独特切入点是在数据源层面而非算法层面处理标签噪声。以往工作要么重新设计损失函数去鲁棒化噪声标签，要么仅在BraTS子集上单独补WMH标注；本文则把健康组织标签、肿瘤子区域、共病WMH约束、影像修复路径和可审计来源全部融合进单一可复用资源，并保留病例分层和质量状态。关键洞察是把'同一voxel空间需同时表示健康组织+肿瘤+共存异常'这个矛盾，转化为'统一Lesion类+病灶硬约束+熵加权多模态融合'的工程化流程，并通过纯化/扩展分层让研究者能直接量化数据质量对共病病灶敏感度的影响。
核心方法
整体思路是'先清洗再融合'。先在285例带专家WMH标注的BraTS 2018病例上训练五折MedNeXt，让它同时分割肿瘤和WMH；用NiftySeg对233例专家阳性病例做WMH原位填充（用周围正常组织信号替换），再用训练好的MedNeXt筛查出342例模型阴性病例，与52例专家阴性合计构成394例纯化子集。对剩余857例扩展子集，用DeepWMH和LST-AI生成候选WMH mask并取交集降假阳性，再与BraTS原始病灶mask合并形成统一Lesion类。最后用TumorSynth在四种模态上产生健康组织概率图，经过IQR离群检测、病灶硬约束修正和熵加权融合，得到最终的八类整数标签。整个流程围绕'让监督目标在同一空间内同时含健康组织和病灶'展开。
核心创新有两个。一是病灶硬约束+熵加权多模态融合公式：设病灶硬约束mask为$M(v)$、病灶类索引为$c_l$，对每模态概率图$P_m(c|v)$做修正：当$M(v)>0$且$c=c_l$时取1，$M(v)>0$且$c\neq c_l$时取0，$M(v)=0$且$c=c_l$时取0，否则按$P_m(c|v)/\sum_{k\neq c_l}P_m(k|v)$归一化；随后用熵$H_m(v)=-\sum_c P_m(c'|v)\log P_m(c'|v)$算自适应权重$W_m(v)=\exp[-H_m(v)]/\sum_j\exp[-H_j(v)]$，最终标签$L_{fused}(v)=\arg\max_c\sum_m W_m(v)P_m(c'|v)$。二是把数据质量治理（纯化/扩展分层、影像修复标签、SHA-256校验、case-level溯源）作为一等公民纳入资源设计，区别于以往'只发数据不做溯源'的做法，让下游研究可审计而非把所有派生标签当同质样本。
方法步骤详情
三步完整流程。第一步纯化子集构建：取Rudie等285例专家WMH标注，用T1+FLAIR+专家病灶标注训练五折MedNeXt；对233例专家阳性病例用NiftySeg做WMH原位填充；用训练好的MedNeXt对无专家阴性结论的病例筛查，只取预测落在已有肿瘤mask外的WMH，得342例模型阴性（其中116例来自阳性已修复、226例来自无专家标注），加上52例专家阴性共394例。第二步扩展子集标签补全：857例保留原始四模态影像，用DeepWMH和LST-AI取交集作候选mask，与BraTS病灶mask并集形成Lesion类。第三步统一解剖-病灶标签：TumorSynth分四模态跑出softmax概率图并按GM/BG/WM/Lesion/Ven/Cer/BS七前景类映射；用整数据集IQR检测剔除低质量模态（阈值$Q_1-1.5\times\text{IQR}$）；按公式(1)-(4)做病灶硬约束修正+熵加权融合输出整数标签；116例额外输出修复标签（whole tumor和WMH两个前景类）。
技术新颖性
新颖性有四点。一是首个把'健康组织+肿瘤+共病WMH+溯源'集成到单一BraTS衍生资源的公开数据集，填补Table 1所示的资源空白——既有工具要么只给解剖要么只给单一病灶，无一并提供。二是病灶硬约束公式确保最终标签在病灶区只输出Lesion类、在非病灶区屏蔽Lesion通道，避免多模态融合时概率污染。三是熵加权融合$W_m(v)=\exp[-H_m(v)]/\sum_j\exp[-H_j(v)]$让高置信度模态获得更大权重，是经典multi-atlas label fusion思想在多模态分割概率图上的迁移。四是工程层FAIR化：版本v1.0.0、Synapse受控访问、SHA-256完整性校验、case-level溯源记录、修复标签重现路径，使下游研究可审计而非把所有派生标签当同质样本。
实验结果
用MedNeXt-M五折交叉验证做受控实验：Baseline仅用394例纯化子集训练，Joint-Baseline用394例+从扩展子集随机抽606例（无额外共病标签）共1000例，均只用T1+FLAIR。GLI域内测试（251例）两类模型健康组织DSC/HD95接近，Baseline Lesion DSC 90.5(9.8)、HD95 15.71(18.47)，Joint-Baseline Lesion DSC 90.8(10.3)、HD95 18.90(30.06)，主病灶重叠接近但Joint-Baseline更易漏掉远离主病灶的小WMH。外部MICCAI 2017 WMH零样本测试（170例）是核心证据：Baseline Lesion DSC 31.1(27.5)，而Joint-Baseline骤降到4.3(12.9)、HD95 297.46(132.37)——含噪声标签的Joint-Baseline对WMH几乎无响应，反向证明纯化子集的关键价值；七类健康组织DSC两模型差异均<0.9，说明少量高质量数据即可维持解剖分割稳定。资源侧新增前景15.13亿voxels占92.65%。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| GLI域内联合分割（251例测试集，T1+FLAIR） | Lesion DSC↑ / HD95↓ | Joint-Baseline: Lesion DSC 90.8(10.3), HD95 18.90(30.06) | Baseline（仅394例纯化子集）: Lesion DSC 90.5(9.8), HD95 15.71(18.47) | DSC略升0.3但HD95升高、方差增大；说明加入无额外标签的扩展病例在主病灶重叠上几乎无收益，反而牺牲边界精度 |
| 外部WMH零样本分割（MICCAI 2017，170例） | Lesion DSC↑ / HD95↓ | Joint-Baseline: Lesion DSC 4.3(12.9), HD95 297.46(132.37) | Baseline: Lesion DSC 31.1(27.5), HD95 140.40(150.46) | Joint-Baseline对WMH几乎完全失效（DSC从31.1暴跌到4.3），证明含未标注WMH的扩展病例会把噪声注入监督，反向证明纯化子集的必要性 |
| GLI域内健康组织分割（7个解剖结构） | DSC↑（GM/BG/WM/Ven/Cer/BS） | Joint-Baseline: GM 96.3, BG 95.9, WM 96.2, Ven 95.7, Cer 98.5, BS 97.6 | Baseline: GM 96.0, BG 95.2, WM 95.9, Ven 94.8, Cer 98.4, BS 97.2 | 健康组织DSC在两模型间差异<0.9，说明少量高质量纯化数据即可维持稳定解剖分割，数据量不是健康组织性能瓶颈 |
| 资源新增标签量化（相对原始BraTS-GLI专家病灶mask） | 新增前景体素（百万）/占比% | 总新增1513.64M（占发布前景92.65%） | 原始专家病灶mask（仅肿瘤子区域） | GM新增685.57M(41.96%)、WM新增518.34M(31.73%)构成主体；857例新增Lesion voxels 2.20M(0.13%)虽小但直接补上共病约束 |
局限与改进
作者承认的局限：纯化子集并非全部经新人工WMH标注，混合了专家阴性和模型筛查样本，使用者需报告筛查来源；扩展子集的额外病灶约束来自DeepWMH+LST-AI自动融合，可能引入工具偏差、漏检和小病灶敏感性下降；健康组织标签来自TumorSynth自动工具+概率融合，非人工全脑解剖标注；目前只系统处理WMH，微出血、腔隙性梗死等其他共存异常尚未完成；外部WMH验证集只有T1+FLAIR，无法证明T1ce和T2在所有下游任务中的价值。我额外观察：MedNeXt验证只用了2模态输入，与标签资源支持的四模态潜力脱节，说服力有限；外部测试集健康组织label用WMH-SynthSeg生成而非人工，跨协议差异被作者归因为标签生成差异而非模型能力，存在循环论证风险；Joint-Baseline在域内健康组织DSC略升（GM 96.3 vs 96.0）但WMH响应崩溃，这种trade-off未深入分析。
独立分析的弱点
弱点一：纯化子集的'纯度'依赖MedNeXt筛查质量，342例模型阴性里若MedNeXt假阴性则仍含未检出WMH，建议引入第二种独立WMH分割器做一致性投票或人工抽检。弱点二：扩展子集用DeepWMH∩LST-AI取交集，虽降假阳性但牺牲召回率，对小体积WMH尤其敏感（中位数修复仅448.5 voxels/case已暗示），改进方向是加置信度权重而非硬交集。弱点三：TumorSynth概率图融合用整数据集IQR检测离群模态，但BraTS模态间有强相关性，整数据集阈值可能误删某些病例的低质量模态，建议改用case-level逐模态质量评分。弱点四：资源验证只跑MedNeXt单一模型+T1/FLAIR两模态，无法证明在四模态、其他架构（SwinUNETR、Transformer）上的泛化收益，改进方向是开放benchmark套件。弱点五：受控访问需先申请BraTS再申请GLI-AL，双重门槛对非合作机构研究者不友好，且资源只发标签不发影像，复现门槛偏高。
未来方向
作者明确未来方向：扩展到更多病例的健康组织和病灶联合标注；将微出血、腔隙性梗死等其他共存异常系统纳入；探索T1ce/T2在下游任务的价值。基于成果我认为可延伸五条：把GLI-AL的统一标签空间作为预训练任务，迁移到小样本脑疾病（如多发性硬化、脑小血管病）分割；用纯化vs扩展子集的差异做标签噪声curriculum learning的系统性研究；把病灶硬约束$M(v)$+熵加权融合公式推广到其他多工具融合场景（如多atlas分割、多读者标注一致性）；构建主动学习pipeline，让模型筛出低置信病例送人工标注迭代扩充纯化子集；把case-level溯源元数据接入'数据卡（datasheet for datasets）'框架，提升医学AI数据治理与可审计标准。
复现评估
复现评估：代码在github.com/xyx200/brats-gli-anatomy-lesion-code公开（MIT许可），含处理脚本和MedNeXt/nnUNet统一标签评测适配文件，但不再分发BraTS影像、MedNeXt权重及DeepWMH/LST-AI/TumorSynth/NiftySeg等第三方工具，需各自从官方源获取。数据通过Synapse项目syn75210889受控访问（DOI 10.7303/SYN75210889），须先获BraTS 2023原始访问（syn51156910）再申请派生资源，双重门槛抬高门槛。算力方面，标签生成涉及TumorSynth四模态推理+MedNeXt五折训练，对1251例全队列需相当GPU资源；下游MedNeXt-M五折1000 epochs训练单卡可完成但耗时较长。完整性扎实：1367个NIfTI文件全部进入release manifest（1251统一+116修复），SHA-256校验、case/subset count、路径对齐均验证通过且0失败。整体上数据层复现中等难度，下游ML验证较易，完整重跑pipeline需较大算力。
论文图表