medRxiv 2026年9月22日该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。开源自动大腿肌肉 MRI 分割算法的独立基准测评该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。该预印本在 MyoSegmenTUM、AIPS、Sheffield 三个基础数据集及由 MyoSegmenTUM 衍生的病理子集与增强分布偏移数据集上，对八种开源大腿肌肉 MRI 分割工具（含可独立运行的六种与需提示的两种 SAM 变体）做独立头对头评测，结合 Dice、Jaccard、Hausdorff、边界 IoU、跨层 Dice 比等多指标与定性可用性审查，发现面向领域的 U-Net 模型尤其 MuscleMap 整体模型在多数数据集上优于基础模型与较新的通用架构，叠加 SAM 变体多数情况下反而降低分割质量，且多数工具在病理样本上表现下降。