近日，数坤科技联合北京理工大学等单位合作发表的科研论文《使用先前的主动脉解剖简化进行基于多阶段学习主动脉夹层分割》被医学图像处理顶级期刊《Medical Image Analysis》（影响因子8.545）收录。
近日，数坤科技联合北京理工大学等单位合作发表的科研论文《使用先前的主动脉解剖简化进行基于多阶段学习主动脉夹层分割》被医学图像处理顶级期刊《Medical Image Analysis》（影响因子8.545）收录。本研究设计了一种全自动B型夹层智能分割框架，实现真腔、假腔和分支血管的单独重建，并基于B型夹层的先验形态学特性设计血管结构简化方法，显著提高了真、假腔的分割精度。该模型明显优于已公开的其他算法，能够更好地同时充分学习血管的全局和局部特征，具有良好的临床应用价值。主动脉夹层（aortic dissection，AD）是一种非常凶险的心血管疾病，夹层血管的三维重建对于临床疾病的诊疗过程具有重要意义。它具有重要的临床价值，不仅支持3D血管参数（如直径、真/假腔体积，撕裂口面积）的精准自动化测量，还可以为虚拟支架植入的计算机模拟以及血液动力学分析提供算法基础。但人工方法实施准确的夹层三维重建非常耗时，许多传统的自动分割算法又面临着精度低，泛化性差，以及人工干预较多的问题。北京理工大学陈端端教授团队与解放军总医院熊江教授基于7年合作，在3项国家自然科学基金、2项科技部重点研发项目子课题、1项北京市自然科学基金和1项北京市科技新星计划的支持下，对主动脉夹层智能诊疗开展深度研究。合作团队成员中，北京理工大学生物医学工程系张栩阳近期在《Medical image analysis》（中科院1区Top期刊，IF：11.1）期刊上发表开创性成果，该研究主要以数坤科技深度卷积网络为基础，设计了一种融合夹层先验形态知识的多阶段分割网络框架，实现B型主动脉夹层的快速精准重建。这种重建方法明显优于已公开的其他算法，能够更好的、充分的体现血管的整体和局部特征，具有良好的临床应用价值。
基于拉直的多阶段分割策略优势明显
该研究采用6-fold交叉验证的方法（单组实验训练、验证和测试集比例为4：1：1），分析比较了三种B型夹层分割策略的效果，分别为多任务分割策略（multi-class，端对端直接实现三种不同解剖结构的分割）、不使用主动脉拉直的多阶段分割策略（NS），以及研究中所提出的基于拉直的多阶段分割策略（S），可以发现所提出的基于拉直的多阶段分割方法在Dice系数（DSC）、95% Hausdorff距离（HD95）以及平均边界距离（MBD）三种指标上均具有明显的优势。
图1.不同策略（multi-class、NS和S）的性能比较
图2.不同策略的分割重建结果，文章提出的方法效果最优
图3.不同策略分割结果的真、假腔体积与人工标注的一致性分析
图4.不同策略的血管边界及撕裂口的识别效果
该研究利用数坤科技U-Net、SegNet以及DeepLabV3+模型替代基于Dense block的模型进行训练，发现任何一种网络模型都可以使用基于血管拉直的多阶段分割策略，并获得最优分割效果，但网络模型本身对于分割效果也具有一定的影响，使用数坤科技反卷积进行升采样的编码-解码网络结构具有明显的优势。
和目前已经报道的夹层分割算法相比，该研究所提出的方法在多种指标上均体现出明显优势，而且验证数据量相对较大。基于同样的数据集和划分比例，测试同类深度学习框架可以发现，本研究所提出的方法在真腔和假腔的分割Dice系数上均可实现约10%的提升（主动脉整体：0.96 vs. 0.86, 真腔：0.92 vs. 0.82，假腔：0.93 vs. 0.84）。
拉直算法可解决临床实际应用关键问题
基于血管先验形态的拉直算法可以显著降低主动脉形态的复杂性，突出真腔和假腔的形态相对差异，有效提高不同腔体的分割精度和空间连续性，而腔体连续性也是影响算法临床实际应用的关键问题。相比之下，由于计算资源的制约，传统的端对端模型在训练过程中所能利用的血管上下文信息有限，在分割结果的管腔连续性上就会有很明显的劣势。本文所提出的模型可以同时充分学习血管体积的全局特征和裂口局部特征，又可以提供分支血管，从而支持后续的血液动力学计算，相比于传统模型，该模型会更加具有服务于临床的潜力。在后续的研究中，将优化算法的设计，实现分支血管的分割优化，以及术后血管和A型夹层的分割重建，也将针对B型夹层的分割结果开展一系列3D形态学参数精准测量的算法研究。
来源：凤凰网
