Valutazione della generalizzazione di nnU-Net tra diverse popolazioni con tumore cerebrale in BraTS-GoAT 2026

Abstract degli autori

BraTS-GoAT valuta la segmentazione dei tumori in popolazioni eterogenee. Abbiamo addestrato un nnU-Net 3D convenzionale su 1.351 casi etichettati, usando una validazione incrociata a cinque fold e 1.000 epoche per fold. Il predittore finale ha calcolato la media delle predizioni di tutti i fold e ha applicato il mirroring in fase di test. Sull’insieme aggregato di validazione ufficiale, i valori globali di DSC sono stati 0,7805 per il tumore con enhancement (ET), 0,8288 per il nucleo tumorale (TC) e 0,8854 per il tumore complessivo (WT). A parità di inferenza con il fold 0, il Dice medio per regione è sceso da 0,9058 nei casi di origine out-of-fold (OOF) a 0,8310 nell’insieme aggregato di validazione (differenza: -0,0747). Il mirroring ha prodotto piccoli miglioramenti con un singolo fold, ma nessun beneficio evidente per l’ensemble; una variante con encoder residuale ha raggiunto un Dice medio di 0,8282. Nelle predizioni OOF etichettate, i casi di insuccesso presentavano volumi ET di riferimento nettamente inferiori; dopo aver tenuto conto dei volumi ET e WT, un Dice più basso restava associato a un maggior numero di componenti ET disconnesse e a una quota minore di ET contenuta nella componente più grande.