创新框架：提升气道标注拓扑一致性与异常检测精度，助力支气管镜诊疗

为解决自动气道标注因解剖变异导致预测不一致、难检测异常分支的问题，研究人员开展基于 Transformer 框架（含 SSC 和 ABS 模块）的气道标注研究。结果显示该方法性能卓越，对提升支气管镜诊疗精度和安全性意义重大。

　　在支气管镜检查过程中，准确的气道解剖标注对于临床医生识别和导航复杂的支气管结构至关重要。然而，由于显著的解剖变异，自动气道标注颇具挑战。以往的方法容易产生不一致的预测结果，这对术前规划和术中导航造成了阻碍。

研究提出了一种基于 Transformer 的框架，该框架包含两个模块：软子树一致性（Soft Subtree Consistency，SSC）模块和异常分支显著性（Abnormal Branch Saliency，ABS）模块。SSC 模块构建软子树以捕捉临床相关的拓扑关系，允许在子树内和子树间灵活地进行特征聚合。ABS 模块促进节点特征与原型之间的相互作用，以区分异常分支，防止正常和异常节点之间错误地进行特征聚合。

在一个以严重气道畸形为特征的具有挑战性的数据集上进行评估时，该方法与最先进的方法相比，展现出了卓越的性能。具体而言，它实现了 83.7% 的亚段准确率，同时段性子树一致性提高了 3.1%，异常分支召回率提高了 45.2%。值得注意的是，该方法在气道畸形的病例中表现出强大的性能，确保了一致且准确的标注。

该方法增强的拓扑一致性和对异常分支的可靠识别，为气道标注提供了准确且稳健的解决方案，有望提高支气管镜检查手术的精度和安全性。