HEad and neCK TumOR (HECKTOR) 2025: Benchmark of Segmentation, Diagnosis, and Prognosis in Multimodal PET/CT
作者: Numan Saeed, Salma Hassan, Shahad Hardan, Lishan Cai, Xinglong Liang, Moona Mazher, Abdul Qayyum, Yansong Bu, Mengye Lyu, Yue Lin, Mingyuan Meng, Chuanyi Huang, Lisheng Wang, Dalal Chamseddine, Shamimeh Ahrari, Beining Wu, Yifei Chen, Fuyou Mao, Hao Zhang, Baixiang Zhao, Surajit Ray, Muzi Guo, Lei Xiang, Jakob Dexl, Michael Ingrisch, Adrien Depeursinge, Arman Rahmim, Mathieu Hatt, Vincent Andrearczyk, Mohammad Yaqub
分类: cs.CV
发布日期: 2026-06-18
备注: 17 pages, 4 figures, 4 tables. Overview paper for the HECKTOR 2025 challenge, held as a satellite event at MICCAI 2025. Challenge website: https://hecktor.grand-challenge.org/
💡 一句话要点
建立HECKTOR 2025基准以提升头颈肿瘤分析精度
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 头颈癌 自动化分析 多模态影像 肿瘤分割 临床预测 电子健康记录 机器学习 医学影像
📋 核心要点
- 头颈癌的手动分割过程耗时且容易受到观察者差异影响，导致临床应用中的不一致性。
- 通过建立HECKTOR 2025基准，利用多模态PET/CT影像和电子健康记录，旨在实现自动化的肿瘤分析。
- 参与团队在分割、存活预测和HPV分类任务中表现出色，最佳算法在分割任务中达到了0.75的Dice相似系数。
📝 摘要（中文）
头颈癌（HNC）是全球健康的重要负担，准确的肿瘤轮廓划定对放疗规划至关重要。由于口咽解剖的复杂性及肿瘤在影像上的异质性，手动分割耗时且容易受到观察者间的差异影响。预测长期临床结果（如无复发生存期）及从非侵入性影像中确定人乳头瘤病毒（HPV）状态仍然是具有挑战性的临床目标。HECKTOR 2025挑战通过建立全面的基准，利用多模态PET/CT影像和电子健康记录，解决了这些需求。该挑战吸引了35个注册团队，最终15个提交结果在保留的测试集上进行了评估，表现最佳的算法在分割、存活预测和HPV分类上均取得了显著的性能。该论文全面分析了提交的方法，评估了其在不同病变特征下的表现，并讨论了其在自动化肿瘤学工作流和决策支持系统中的临床转化意义。
🔬 方法详解
问题定义：本研究旨在解决头颈癌的自动化分析问题，现有方法在肿瘤分割和临床结果预测方面存在时间消耗大和一致性差的痛点。
核心思路：通过建立一个多模态的基准数据集，结合PET/CT影像和电子健康记录，提供一个全面的自动化分析框架，以提高肿瘤分割和临床结果预测的准确性。
技术框架：整体架构包括数据收集、预处理、模型训练和评估四个主要阶段。数据集涵盖了来自10个中心的1100多名患者的多模态影像数据。
关键创新：该研究的主要创新在于建立了一个多机构的综合基准，允许不同算法在相同的数据集上进行比较，推动了自动化肿瘤分析技术的发展。
关键设计：在模型训练中，采用了特定的损失函数以优化分割精度，同时在存活预测和HPV分类中引入了新的特征提取方法，以提高模型的泛化能力。
🖼️ 关键图片
📊 实验亮点
在本次挑战中，表现最佳的算法在肿瘤分割任务中达到了0.75的Dice相似系数，存活预测的协调指数为0.66，HPV分类的平衡准确率为0.56，显示出显著的性能提升。
🎯 应用场景
该研究的潜在应用领域包括放射治疗规划、肿瘤监测和个性化医疗。通过自动化的肿瘤分析，能够提高临床决策的效率和准确性，最终改善患者的治疗效果和生存率。
📄 摘要（原文）
Head and neck cancers (HNC) represent a significant global health burden, with accurate tumor delineation being essential for effective radiotherapy planning. The complexity of the oropharyngeal anatomy, combined with the heterogeneous appearance of tumors on imaging, makes manual segmentation time-intensive and subject to inter-observer variability. Beyond segmentation, predicting long-term clinical outcomes, such as recurrence-free survival (RFS), and determining human papillomavirus (HPV) status from noninvasive imaging, remain challenging yet clinically valuable goals. The HECKTOR 2025 challenge addresses these needs by establishing a comprehensive benchmark for automated HNC analysis using multimodal PET/CT imaging and electronic health records. Building on previous editions (2020-2022), this challenge features an expanded multi-institutional dataset comprising over 1,100 patients from 10 centers worldwide. Participants were tasked with three complementary objectives: (1) segmenting primary gross tumor volumes (GTVp) and metastatic lymph nodes (GTVn), (2) predicting recurrence-free survival, and (3) classifying HPV status. The challenge attracted 35 registered teams, with 15 final submissions evaluated on a held-out test set. Top-performing algorithms achieved a mean Dice similarity coefficient of 0.75 for segmentation, a concordance index of 0.66 for survival prediction, and a balanced accuracy of 0.56 for HPV classification. This paper presents a comprehensive analysis of the submitted methodologies, evaluates their performance across different lesion characteristics, and discusses their implications for clinical translation in automated oncology workflows and decision support systems.