Assessing nnU-Net Generalization across Brain Tumor Populations in BraTS-GoAT 2026
Tristan Kirscher, Vivian Metzger, Philippe Meyer, Xavier Coubez
ICube, Institut Strauss / Institut Strauss / Institut Strauss, ICube
cs.CV, eess.IV
2026-09-14
常规3D nnU-Net在BraTS-GoAT 2026验证集约0.83均值Dice，比源域OOF低7.5分。集成和残差编码器没有明显增益，失败和体积小、碎片多的增强肿瘤有关。
脑肿瘤自动分割要跨人群才有用。BraTS-GoAT 把成人胶质瘤、撒哈拉以南胶质瘤、脑膜瘤、脑转移瘤和儿童脑肿瘤放进同一套协议。肿瘤大小、个数、外观和成像习惯都不一样，按成人数据指纹自动配出来的 nnU-Net 计划，在儿科小结构上已经出过问题。
这篇不另造架构。用一份固定的常规 3D nnU-Net，看集成、测试时镜像和残差编码器还能不能抬分，再在有标签的源域折外预测里拆失败病例。验证集的人群标签是藏着的，目标域分析只能做池化。
只用挑战数据，没有外部数据和预训练权重。训练集 1,351 例，来自成人胶质瘤、脑膜瘤和脑转移瘤；验证集 451 例，再加上撒哈拉以南胶质瘤和儿童肿瘤。四路 MRI：T1n、T1c、T2-FLAIR、T2w。评测区域是增强肿瘤 ET、肿瘤核心 TC、全肿瘤 WT。
nnU-Net v2.6.2 的 3dfullres：1 mm 各向同性、非零掩膜内 z-score、128×160×112 patch、batch 2。五折，每折 1,000 epoch，Dice 加 BCE，SGD + Nesterov 0.99，学习率 0.01 多项式衰减。每折在一块 A100 40 GB 上约 12.3 小时，留 epoch-1000 的最终检查点，不用验证集选模型。
提交的预测是五折概率平均，再沿三个空间轴做测试时镜像。没有连通域后处理，也没有调区域阈值。对照里还有单折、无镜像，以及更大 patch 的 ResidualEncoderUNet-L。失败分析把严格三区域均值 Dice 的最低一成定为失败，再看参考掩膜的体积和连通性，体积校正后用偏 Spearman。
官方验证 450 例有分（服务器丢掉 case 02845）。五折加镜像的全局 DSC 是 ET 0.7805、TC 0.8288、WT 0.8854，均值 DSC 0.8315、NSD 0.5164，是五份提交里最高的。残差编码器均值 Dice 0.8282，配对区间包含零。
镜像只在单折上有小增益：fold-0 的 ET DSC +0.0021，WT +0.0011。五折之后，DSC 和 NSD 的变化都在 0.0008 以内，区间包含零。五折相对 fold-0 也没有清楚的 DSC 提升。
同源对照更刺眼。同一份 fold-0 加镜像，源域折外均值 Dice 0.9058，池化验证 0.8310，差 −0.0747（区间 −0.0976 到 −0.0523）。ET 掉 0.0856，TC 掉 0.0923，WT 掉 0.0464。隐藏标签不允许把缺口记到某个人群头上。
失败病例的参考 ET 中位体积 1.04 mL，非失败 18.66 mL。扣掉 ET 和 WT 体积之后，最大连通块占比越高 Dice 越高（ρ=0.350），连通块越多 Dice 越低（ρ=−0.259）。ET/WT 体积比在校正后没有清楚关联。
对医学分割竞赛和临床迁移，这篇是一份负结果基线。常规 nnU-Net 已经不弱，再叠集成、镜像和残差编码器，在这份隐藏人群验证上抬不动分。钱更应该花在小增强灶和碎片灶上，而不是换编码器。
池化验证约 0.83 均值 Dice，不能读成「换人群只掉一点」：源域折外是 0.91，缺口 7.5 分里混着评测实现、病例配比和真实分布偏移。没有人群标签，分不开这三样。
验证标签和病例到人群的映射都不可见，源域到验证的差不是纯偏移估计。五折加镜像是事后按验证 DSC/NSD 选的，不证明普遍更好。NSD 的容差和单位服务器没披露。失败分析的假设和估计用了同一批病例，折之间训练集重叠，区间也不含重训不确定性。源域掩膜上的形态关联推不到 SSA 或儿科。没有和外部分割系统做对照。