[论文解读] Performance of a Deep Learning-Based Segmentation Model for Pancreatic Tumors on Public Endoscopic Ultrasound Datasets

Pankaj Kumar Gupta, Priya Mudgil+12 more|arXiv (Cornell University)|Jan 9, 2026

Pancreatic and Hepatic Oncology Research被引用 0

一句话总结

一个基于 Vision Transformer 的分割模型（HVITBackbone4Seg）在公开的 EUS 数据集上进行训练并在外部进行评估，Dice 得分约为 0.65，特异性高，体现了泛化能力，但也存在一些失败情况。

ABSTRACT

Background: Pancreatic cancer is one of the most aggressive cancers, with poor survival rates. Endoscopic ultrasound (EUS) is a key diagnostic modality, but its effectiveness is constrained by operator subjectivity. This study evaluates a Vision Transformer-based deep learning segmentation model for pancreatic tumors. Methods: A segmentation model using the USFM framework with a Vision Transformer backbone was trained and validated with 17,367 EUS images (from two public datasets) in 5-fold cross-validation. The model was tested on an independent dataset of 350 EUS images from another public dataset, manually segmented by radiologists. Preprocessing included grayscale conversion, cropping, and resizing to 512x512 pixels. Metrics included Dice similarity coefficient (DSC), intersection over union (IoU), sensitivity, specificity, and accuracy. Results: In 5-fold cross-validation, the model achieved a mean DSC of 0.651 +/- 0.738, IoU of 0.579 +/- 0.658, sensitivity of 69.8%, specificity of 98.8%, and accuracy of 97.5%. For the external validation set, the model achieved a DSC of 0.657 (95% CI: 0.634-0.769), IoU of 0.614 (95% CI: 0.590-0.689), sensitivity of 71.8%, and specificity of 97.7%. Results were consistent, but 9.7% of cases exhibited erroneous multiple predictions. Conclusions: The Vision Transformer-based model demonstrated strong performance for pancreatic tumor segmentation in EUS images. However, dataset heterogeneity and limited external validation highlight the need for further refinement, standardization, and prospective studies.

研究动机与目标

• 促进在内镜超声（EUS）中实现自动化、标准化的胰腺肿瘤分割，以降低操作员变异性。
• 开发并在大规模公开 EUS 数据集上评估基于 Vision Transformer 的分割模型。
• 通过对独立公开数据集的外部验证来评估泛化能力。

提出的方法

• 使用 USFM 框架并以 Vision Transformer 主干（HVITBackbone4Seg）进行两类分割（前景/背景）。
• 通过灰度化、裁剪和调整大小至 512x512 像素对 EUS 图像进行预处理。
• 在 5 折交叉验证下进行 50 个 epoch 的训练，采用 AdamW 优化器和余弦学习率，选择最佳 Dice 分数作为早停准则。
• 使用 Dice 相似系数（DSC）、IoU、灵敏度、特异性以及带 95% 置信区间的准确率进行评估；报告定性失败分析。
• 在外部 LEP 数据集子集（350 张图像）进行测试，未进行除 argmax 以获得二值掩码之外的后处理。

实验结果

研究问题

• RQ1 一个基于 Vision Transformer 的分割模型是否能够在公开可用的 EUS 数据集上实现对胰腺肿瘤的鲁棒界定？
• RQ2 模型在独立外部 EUS 数据集上的泛化能力如何？
• RQ3 在 EUS 图像的分割性能中，常见的失败模式是什么？

主要发现

• 在 5 折交叉验证中的平均 Dice 相似系数（DSC）为 0.651（95% 置信区间：0.615–0.738）。
• 交叉验证中的 IoU 为 0.579（95% 置信区间：0.557–0.658）。
• 在交叉验证中的特异性 98.8%；灵敏度 69.8%；总体准确率 97.5%。
• 外部测试集（350 张图像）：DSC 0.657（95% 置信区间：0.634–0.769）；IoU 0.614（95% 置信区间：0.590–0.689）。
• 外部测试集：灵敏度 71.8%（95% 置信区间：69.1–79.3%）；特异性 97.7%（95% 置信区间：95.1–99.2%）。
• 9.7% 的病例显示错误的多重预测，指示存在一些失败模式。