50+MRI解剖结构一键分割：TotalSegmentator标签系统深度解析与实战指南

50+MRI解剖结构一键分割：TotalSegmentator标签系统深度解析与实战指南

【免费下载链接】TotalSegmentator Tool for robust segmentation of >100 important anatomical structures in CT images 项目地址: https://gitcode.com/gh_mirrors/to/TotalSegmentator

引言：MRI分割的痛点与解决方案

你是否还在为MRI图像中复杂解剖结构的手动标注耗时费力而困扰？TotalSegmentator作为一款强大的医学影像分割工具，已支持超过50种MRI解剖结构的自动分割。本文将深入解析TotalSegmentator的MRI类别标签系统，帮助你快速掌握其使用方法，显著提升影像分析效率。

读完本文后，你将能够：

• 理解TotalSegmentator MRI标签系统的设计理念
• 掌握50种MRI解剖结构的标签定义与索引映射
• 熟练使用命令行和Python API进行MRI分割
• 解决常见的MRI分割问题与优化策略
• 利用统计分析功能量化分割结果

TotalSegmentator MRI标签系统概述

TotalSegmentator针对MRI模态提供了专门优化的标签系统，与CT标签相比具有以下特点：

• 合并的脊椎标签：MRI中的"vertebrae"标签将整个脊椎作为单一结构，而CT中则细分到每个椎体
• 简化的肺部结构：MRI中肺部仅分为左肺和右肺，不细分肺叶
• 增加椎间盘标签：MRI专门添加了"intervertebral_discs"标签
• 优化的软组织对比度：针对MRI软组织成像特点，调整了肌肉和脂肪组织的分割精度

MRI核心标签详解（total_mr任务）

TotalSegmentator的"total_mr"任务包含50种解剖结构标签，以下是主要类别的详细说明：

腹部器官（1-9）

索引	标签名称	描述
1	spleen	脾脏
2	kidney_right	右肾
3	kidney_left	左肾
4	gallbladder	胆囊
5	liver	肝脏
6	stomach	胃
7	pancreas	胰腺
8	adrenal_gland_right	右肾上腺
9	adrenal_gland_left	左肾上腺

呼吸系统（10-12）

索引	标签名称	描述
10	lung_left	左肺
11	lung_right	右肺
12	esophagus	食道

消化系统（13-15）

索引	标签名称	描述
13	small_bowel	小肠
14	duodenum	十二指肠
15	colon	结肠

泌尿系统（16-17）

索引	标签名称	描述
16	urinary_bladder	膀胱
17	生殖系统器官	生殖系统器官

骨骼系统（18-21）

索引	标签名称	描述
18	sacrum	骶骨
19	vertebrae	脊椎（合并）
20	intervertebral_discs	椎间盘
21	spinal_cord	脊髓

心血管系统（22-29）

索引	标签名称	描述
22	heart	心脏
23	aorta	主动脉
24	inferior_vena_cava	下腔静脉
25	portal_vein_and_splenic_vein	门静脉和脾静脉
26	iliac_artery_left	左髂动脉
27	iliac_artery_right	右髂动脉
28	iliac_vena_left	左髂静脉
29	iliac_vena_right	右髂静脉

肌肉系统（40-49）

索引	标签名称	描述
40	gluteus_maximus_left	左臀大肌
41	gluteus_maximus_right	右臀大肌
42	gluteus_medius_left	左臀中肌
43	gluteus_medius_right	右臀中肌
44	gluteus_minimus_left	左臀小肌
45	gluteus_minimus_right	右臀小肌
46	autochthon_left	左髋外展肌群
47	autochthon_right	右髋外展肌群
48	iliopsoas_left	左髂腰肌
49	iliopsoas_right	右髂腰肌

高级MRI分割任务

脊椎细分（vertebrae_mr任务）

对于需要详细脊椎分析的场景，vertebrae_mr任务提供了从C1到S1的脊椎分段标签：

组织类型分割（tissue_types_mr任务）

该任务专注于三种主要软组织类型的分割：

索引	标签名称	描述
1	subcutaneous_fat	皮下脂肪
2	torso_fat	躯干脂肪
3	skeletal_muscle	骨骼肌

实战指南：MRI分割命令详解

基础MRI分割命令

# 基本MRI分割（默认total_mr任务）
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr

# 快速模式（降低分辨率，减少运行时间）
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr --fast

# 生成统计报告
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr --statistics

高级参数使用

# 仅分割特定结构（如肝脏和肾脏）
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr --roi_subset "liver kidney_right kidney_left"

# 生成3D预览图
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr --preview

# 输出多标签NIfTI文件
TotalSegmentator -i mri.nii.gz -o segmentations --task total_mr --ml

Python API调用示例

from totalsegmentator.python_api import totalsegmentator

# 基本MRI分割
totalsegmentator(
    input_path="mri.nii.gz",
    output_path="segmentations",
    task="total_mr",
    fast=True,
    statistics=True
)

# 高级用法：自定义ROI和设备
totalsegmentator(
    input_path="mri.nii.gz",
    output_path="segmentations",
    task="total_mr",
    roi_subset=["liver", "kidney_right", "kidney_left"],
    device="gpu",
    preview=True
)

分割结果解析与统计分析

统计报告解读

使用--statistics参数会生成statistics.json文件，包含每个结构的体积（mm³）和平均强度：

{
  "spleen": {
    "volume": 260010.0,
    "intensity": 33.05909
  },
  "kidney_right": {
    "volume": 107892.0,
    "intensity": 10.96271
  },
  "kidney_left": {
    "volume": 99252.0,
    "intensity": 15.20321
  }
}

多标签文件处理

使用--ml参数生成的多标签NIfTI文件可通过以下代码解析：

import nibabel as nib
import numpy as np

# 加载多标签文件
ml_img = nib.load("segmentations/segmentation_ml.nii.gz")
ml_data = ml_img.get_fdata()

# 获取肝脏掩码（索引5）
liver_mask = (ml_data == 5).astype(np.uint8)

# 计算肝脏体积
voxel_volume = np.prod(ml_img.header.get_zooms())
liver_volume = np.sum(liver_mask) * voxel_volume
print(f"肝脏体积: {liver_volume:.2f} mm³")

常见问题与优化策略

分割质量问题及解决方案

问题	原因	解决方案
小结构丢失	分辨率不足	使用--robust_crop参数
边界模糊	MRI对比度变化	结合--fast和--force_split
结构错位	患者体位异常	预处理时调整图像方向

性能优化建议

1. 内存管理：对于大尺寸MRI，使用--force_split参数分块处理
2. 运行时间：优先使用GPU，添加--fast参数，或指定--roi_subset仅分割感兴趣结构
3. 结果精度：对于关键结构，可单独使用更高分辨率模型重新分割

总结与展望

TotalSegmentator的MRI标签系统为医学影像分析提供了强大支持，通过本文的解析，你已掌握其核心标签定义和使用方法。无论是放射学研究、术前规划还是疗效评估，TotalSegmentator都能显著提升工作效率。

未来版本将进一步扩展MRI标签覆盖范围，特别是头颈部和四肢结构，并优化神经组织的分割精度。建议用户关注项目更新，及时获取新功能。

关键资源

• 官方文档：项目README.md
• 训练数据：616例MRI数据集
• 引用论文：TotalSegmentator MRI Radiology paper

【免费下载链接】TotalSegmentator Tool for robust segmentation of >100 important anatomical structures in CT images 项目地址: https://gitcode.com/gh_mirrors/to/TotalSegmentator