Dice系数与Hausdorff距离：图像分割评价的双重视角

在放射治疗计划的制定中，图像分割技术起着至关重要的作用，特别是在确定肿瘤靶区和保护器官的过程中。本文主要探讨了两种常用的评价指标：Dice系数（Dice Similarity Coefficient, DSC）和Hausdorff距离（Hausdorff Distance, HD）。Dice系数作为重叠比较法的典型代表，常被用来评估自动分割结果与手动标记的相似度，当DSC大于0.7时，一般认为分割效果良好。然而，这个指标易受局部误差影响，可能会忽视较小的差异。 Hausdorff距离则提供了对位置精确性的更严格的衡量，即使是微小的偏差也可能导致其数值显著增加。Hausdorff距离越小，表示两轮廓之间的匹配度越高，但需注意的是，其值也受到目标区域大小的影响。例如，在股骨头与膀胱的对比中，即使两者的体积差距大，Hausdorff距离的差异也可能较大。 为了深入理解这两种评价指标，研究者设计了18对临床靶区的抽象轮廓，对Dice系数和Hausdorff距离进行了系统的计算和比较。研究结果将图像分割的效果分为三种类型：一是图像整体符合度非常好，二是虽然整体匹配度高，但存在局部不一致；三是轮廓匹配度较差。这些结果表明，单纯依赖Dice系数作为评价标准并不全面，因为它可能无法捕捉到所有细节上的差异。 作者们强调，为了更准确地评估分割质量，应该结合使用Dice系数和Hausdorff距离，这样可以综合考虑轮廓的整体一致性以及局部精度。这种双指标的结合使用能更好地反映图像分割的准确性和精确性，从而提高放疗计划的精确性，减少治疗中的不确定性。 本研究不仅提供了对图像分割评价指标的深入理解，还为优化自动分割算法的性能提供了一种实用的方法，尤其是在医疗影像处理领域，这对提升放射治疗计划的质量具有重要意义。