近日，北京大学智能计算与感知实验实验室与北京大学第三医院骨科合作的“Endplate3D-QCT: A High-Resolution Dataset and Benchmark for Automated 3D Segmentation of Lumbar Vertebral Endplates in QCT”论文被MICCAI 2025录用，实验室博士研究生尹子逊为第一作者，论文指导老师为颜鲲博士和王平教授。

准确分割腰椎终板对于评估脊柱疾病中的骨密度和生物力学特性至关重要。现有的数据集主要集中在椎体和椎间盘，忽略了终板的精确描绘；当前方法在健康脊柱中表现良好，但在病理情况下由于终板的薄弱和形态复杂性表现不佳。为了解决这些挑战，本文介绍了首个公开可用的数据集 Endplate3D-QCT，包含临床QCT扫描中腰椎终板的像素级注释，同时提供了用于模型评估的自动化评估框架。本文使用nnUNet作为训练框架，对多种深度学习模型（包括 EfficientUNet、UNet、VNet、UNETR 和 SwinUNETR）进行了基准测试。虽然这些模型的Dice得分约为0.9，但它们在终板识别上表现出不一致，导致假阳性和假阴性。这些发现突显了在终板分割技术方面进一步发展的必要性。本文提出的数据集和评估框架为改进脊柱植入物设计、骨密度计算以及椎体负载分布的计算建模提供了宝贵的基础。

MICCAI是由国际医学图像计算和计算机辅助干预协会(Medical Image Computing and Computer Assisted Intervention Society) 举办，跨医学影像计算(MIC)和计算机辅助介入 (CAI) 两个领域的综合性学术会议，是该领域的顶级会议，被中国计算机学会（CCF）列为B类会议。今年会议有效投稿数量为3677，最终接收论文数量为1014，录用率为29%左右。