多模态影像分割新巅峰！Nat Commun：多模态投影通用模型MPUM实现全身医学影像精准分割，助力疾病诊断与跨器官代谢研究

多模态影像分割新巅峰！Nat Commun：多模态投影通用模型MPUM实现全身医学影像精准分割，助力疾病诊断与跨器官代谢研究

来源：100医药网 2025-10-28 15:45

模态投影通用模型（MPUM）通过多模态投影策略实现全身器官精准分割，提升颅内出血诊断准确性，揭示癫痫与阿尔茨海默病的代谢关联，为整合性脑体研究与临床决策提供支撑。

对临床医生来说，同时CT的骨骼细节、MR的软组织信号和PET的代谢信息，就像要在三种不同语言的报告里找共同答案 难题在于，不同影像模态的 方言 差异太大，传统模型很难 通译 ，要么适配了一种模态就适配不了另一种，要么需要反复调整参数才能用。

近日，发表于Nat Commun的一项研究Modality-projection universal model for comprehensive full-body medical imaging segmentation给出了新解法，研究团队开发的模态投影通用模型（MPUM），不仅能轻松 听懂 多种影像模态的信息，还能完成全身器官分割，为临床和疾病研究打开了新思路。

MPUM是基于861名受试者的多模态影像数据训练而成的，它的核心突破在于一套多模态投影机制。这套机制先构建一个共享的高维潜特征空间，从这里提取每种影像模态的独特特征，不用反复调整参数，就能适配CT、MR、PET等不同成像技术。模型还设计了双分支结构，一边用传统卷积捕捉所有模态都有的共性特征，另一边靠控制器驱动的卷积动态生成适配不同模态的卷积核，精准抓住每种模态的特点。同时，控制器模块还能生成特征算子和显著性图，让医生清楚看到模型是怎么做出判断的，大大提升了临床实用性。

图1 | 模态投影通用模型（MPUM）概述

从性能来看，MPUM在全身器官分割任务里表现远超现有模型。做MRI体部分割时，它的Dice系数能达到0.7751，表面Dice系数0.5471；CT体部分割的Dice系数和表面Dice系数分别是0.8517和0.8506；就算是难度更大的CT脑部分割，Dice系数也有0.7419，表面Dice系数0.6872 这些数据都明显超过了传统的模态混合和模态特异性训练策略的结果。

图2 | MPUM与先进分割模型的性能对比：三种多模态训练策略在CT、MR、PET分割任务中的Dice表现

在临床诊断场景里，MPUM的价值更直接。颅内出血是急症，死亡率高，能不能快速精准定位出血位置和体积，直接影响患者预后。在Instance2022数据集的100例ICH病例里，MPUM能自动识别不同部位和体积的病灶，比如脑干190立方毫米的出血、左壳核2241立方毫米的出血。临床验证时发现，初级放射科医生没借助工具时，诊断准确率只有60.7%到78.6%；用上MPUM生成的病灶掩码后，准确率能提到89.3%左右；再加上模型给出的脑区图谱，准确率直接升到85.7%到96.4%，差不多赶上有五年以上经验的资深医生水平，大大减少了因为分不清脑区边界导致的误诊和漏诊。

图3 | MPUM作为辅助诊断工具的性能：精准定位CT扫描中的颅内出血并提升诊断准确性

除了辅助诊断，MPUM还能帮研究人员挖得更深，比如探索疾病背后的代谢关联。研究团队分析了50例癫痫患者和22名健康对照的全身PET/CT数据，发现癫痫患者右侧前颞叶外侧部、右侧中下回等脑区的脑内代谢关联明显减弱，而且苍白球和T1-T12椎体之间的脑体代谢连接也出现了异常，这些变化在上都有显著意义。在研究里，他们用MPUM分析了ADNI队列的97名认知正常人、328名轻度认知障碍患者和42名阿尔茨海默病患者的脑PET数据，发现从轻度认知障碍进展到阿尔茨海默病时，颞中下回、顶叶下外侧皮质等关键脑区的代谢会发生改变 这些区域正是之前研究确认的阿尔茨海默病相关脑区，为疾病早期诊断和机制研究提供了新的生物标志物线索。

图4 | 基于通用模型的儿童癫痫多器官代谢关联分析：癫痫患者组与对照组的脑内及脑体代谢连接差异

MPUM的可解释性也做得很扎实，通过特征算子可视化和分层显著性图就能看清楚。浅层网络主要抓边缘、纹理这些所有模态都有的基础特征，这时候MR和PET因为软组织对比度像，特征会有重叠；到了深层网络，就开始聚焦每种模态的独特高维特征，不同模态的特征算子会清晰分开，不会混在一起。显著性图的变化也很有规律，从浅层到深层会慢慢聚焦到医生关心的感兴趣区域：CT模态会突出骨骼等结构的轮廓，比如识别右股骨时，浅层的轮廓信息就够定位；MR模态更关注软组织细节；PET模态则会先抓住代谢活性高的区域，再逐步细化 这些可视化结果让医生能清楚理解模型的判断逻辑，用起来更放心。

图5 | 显著性图与特征算子的综合可视化：不同模态、不同器官区域在网络各层的特征提取与显著性分布

作为一款能兼顾精准性、通用性和可解释性的医学影像工具，MPUM不仅解决了多模态影像分割的老难题，还搭建起解剖结构和代谢信息之间的桥梁。它在颅内出血等急症诊断里的快速定位能力，在癫痫、阿尔茨海默病等神经疾病研究里的代谢关联挖掘价值，都能帮临床优化工作流程，推动大规模影像分析和跨器官疾病机制研究。接下来随着它和临床平台的深度整合，相信能为AI辅助的精准医疗提供更有力的支持，让影像解读更准、诊断决策更快、疾病研究更深，真正帮到更多患者。（100yiyao.com）

参考文献：

Chen Y, Gao L, Gao Y, et al. Modality-projection universal model for comprehensive full-body medical imaging segmentation.Nat Commun. 2025;16(1):9423. Published 2025 Oct 24. doi:10.1038/s41467-025-64469-w

版权声明 本网站所有注明“来源：100医药网”或“来源：bioon”的文字、图片和音视频资料，版权均属于100医药网网站所有。非经授权，任何媒体、网站或个人不得转载，否则将追究法律责任。取得书面授权转载时，须注明“来源：100医药网”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。

87%用户都在用100医药网APP 随时阅读、评论、分享交流 请扫描二维码下载->

医药网新闻