编辑推荐：
在心血管疾病诊疗中，超声（US）成像意义重大，但现有 US 分割方法存在缺陷。研究人员开展 “ACE-Net: A-line coordinates encoding network for vascular structure segmentation in ultrasound images” 研究，结果显示 ACE-Net 在准确性和速度上表现优异，为 US 引导手术提供了新方案。
心血管疾病是全球主要的死亡原因，在 2019 年，其导致了全球 32% 的死亡，其中冠状动脉疾病约占这些死亡人数的三分之一。超声（US）成像在心血管疾病的诊断和治疗中发挥着越来越重要的作用。例如，B 型超声可用于测量颈动脉内膜中层厚度（IMT），以此作为冠状动脉粥样硬化程度和严重性的指标；血管内超声（IVUS）成像则常用于获取与钙化相关的指标，评估冠状动脉粥样硬化斑块的进展以及不良心血管事件的风险，并且在经皮冠状动脉介入治疗（PCI）中，IVUS 能够提供冠状动脉内结构的实时病理和形态学横截面信息，有助于改善 PCI 的治疗效果。
然而，现有的 US 分割方法主要是针对灰度 B 型图像进行逐像素分类或回归，这种方法需要后续处理才能获得轮廓坐标，而且在一些受图像伪影影响或血管结构重叠的区域，即使少量像素分类错误，也会在边界坐标向量的提取过程中引入误差。为了解决这些问题，来自比利时鲁汶大学（KU Leuven）、意大利维罗纳大学等机构的研究人员开展了相关研究，提出了一种名为 A-line 坐标编码网络（ACE-Net）的新型深度卷积神经网络架构，并将研究成果发表在《Medical & Biological Engineering & Computing》上。
研究人员用到的主要关键技术方法包括：提出 A-line 坐标编码方案，将血管结构的分割任务转化为边界回归与感兴趣 A 线（AOI）预测相结合的过程；设计 ACE-Net 架构，由骨干模块、A 线特征提取器、多尺度特征融合模块以及直接输出边界坐标和存在概率的两个头部编码器组成；采用特定的损失函数和两阶段训练策略，包括早期训练和微调，使用不同的损失计算和网络更新方式。研究数据来源于三个数据集，分别是公开的临床数据集 CUBS，以及内部收集的 IVUS-plaque/calcium 和 IVUS-lumen 数据集。
1. 评估指标：为了评估 ACE-Net 的分割性能，研究人员计算了基于区域 / 面积和边界距离的指标，如交并比（IoU）、骰子相似系数（DSC）、平均边界距离（MBD）和豪斯多夫距离（HD）等，还针对不同数据集确定了相关临床指标，并计算了 ACE-Net 与现有方法在各数据集上 DSC 的 p 值，同时测定了分割一张图像的推理时间。
2. 实验结果
- 与现有方法对比：在 CUBS 数据集上，ACE-Net 在所有分割指标上均显著优于现有方法；在 IVUS-plaque/calcium 数据集上，ACE-Net 在区域指标上与部分方法相似，在距离指标上优于其他方法，且在临床指标评估中表现良好，同时推理速度快，能满足术中实时应用的要求。
- 消融实验：通过对 ACE-Net 各组件进行消融实验发现，去除存在概率 p 编码器会影响网络的鲁棒性，使用单分支 A 线特征提取器会降低整体精度，去除骨干模块虽仍能保持一定精度，但网络性能会有所变化，而添加辅助编码器可提高网络精度。
- 训练策略影响：对比不同训练策略发现，提出的两阶段训练策略能提升 ACE-Net 的性能，其他策略效果相对较差。
- 未见患者评估：在对未见患者的评估中，ACE-Net 的整体准确率虽低于之前的结果，但仍高于基线模型，且两阶段训练策略对 ACE-Net 的泛化能力至关重要。
- 特征图分析：对特征图的空间重要性分析表明，ACE-Net 的低级特征更关注病理区域，且完整的 ACE-Net 特征具有更好的空间对应性，有助于提高边界坐标回归的准确性。
- 数据和编码影响：研究发现，坐标编码器（CE）对 ACE-Net 的分割精度有重要贡献，扩大训练轮廓坐标分布（如使用合成数据）有助于提高 ACE-Net 的性能。
在结论和讨论部分，ACE-Net 通过 A 线坐标编码，能高效预测分割掩码并直接提取坐标信息，在准确性和速度上优于现有方法，可用于术中临床指标的计算，减少操作者的依赖性，还能生成伪边界标签用于快速自动标注。不过，ACE-Net 也存在一些局限性，如需要极坐标域的输入图像，可能导致对参考角度的依赖和轮廓不连续；A 线编码方案可能不适用于所有血管结构；训练过程较为复杂。未来的研究可以引入迭代人工校正机制、探索不同的特征提取机制、集成变压器以增强网络性能，还可将 ACE-Net 应用于其他侧视成像模态。总的来说，ACE-Net 为超声图像中血管结构的分割提供了一种创新且有效的解决方案，在医学领域具有重要的应用前景和研究价值。
