基于双阶段双类别框架D2-RD-UNet的肝血管分割及连通性校正研究

为解决肝血管拓扑结构复杂、现有分割方法存在类间不平衡和血管连续性缺失等问题，意大利研究团队提出D2-RD-UNet框架，通过融合3D/4D多模态数据与血管增强滤波器，结合新型中心线连通性校正算法，在AIMS-HPV-385数据集上实现HV（肝静脉）和PV（门静脉）的精准分割，DSC提升至0.71，为肝胆外科手术规划提供可靠解剖导航。

　　

肝血管分割的困境与突破
肝脏手术的成功高度依赖对肝静脉(HV)和门静脉(PV)三维结构的精确重建。然而，传统分割方法面临三大挑战：血管解剖变异大、细小分支易断裂、HV/PV因CT值相近而难以区分。更棘手的是，现有公开数据集如3D-IRCADb-01存在标注不全、外延血管误标等问题，导致算法泛化性差。这些问题直接影响了肝癌切除、肝移植等手术的术前规划精度。

意大利研究团队为此开发了D²-RD-UNet框架，通过双阶段双类别创新设计，在385例CTA数据上实现HV/PV的精准分割，相关成果发表于《Computers in Biology and Medicine》。该研究首次整合了数据驱动的预处理、4D血管增强超体积输入、基于中心线的连通性校正三大技术，其中4D输入层创新性融合原始CT与Sato/Frangi/OOF/RORPO四种血管滤波器特征。训练采用327例内部数据，测试集包含58例内部数据和20例3D-IRCADb-01数据，通过残差密集块(RD-block)设计解决了梯度消失问题。

关键技术方法
研究采用两阶段处理：先通过2.5D UNet定位肝脏区域，再以192×192×64尺寸的3D/4D patches输入D²-RD-UNet。4D模式将CTA与四种血管滤波器特征拼接为五通道超体积。网络核心为融合ResNet和DenseNet的RD-block，配合广义Dice损失和加权Focal损失函数。后处理采用半径阈值R=4mm的球形核进行血管端点连通性校正(VCC)，最终通过分支半径统计实现局部评估。

研究结果
4.1 数据预处理创新
拒绝传统重采样策略，发现将1mm层厚图像插值到3mm会导致17%的小血管断裂。创新采用各向异性patch(192×192×64)保留原始拓扑结构，HU窗口优化为[55,275]较传统[80,220]多捕获12.5%的末梢血管信号。

4.2 血管增强滤波器组合
通过Hessian矩阵特征值分析，筛选出Sato滤波器(对管状结构敏感)、Frangi滤波器(抗噪性强)、OOF(定向通量法)和RORPO(形态学方法)四种互补滤波器。实验表明，4D组合使PV分支检出率提升19%。

4.3 网络架构优势
D²-RD-UNet在编码器采用RD-block设计，通过跳跃连接实现特征复用。相比nnU-Net，该结构在HV分割的DSC提高0.09，PV的ASSD(平均对称表面距离)降低0.52mm。4D版本在3D-IRCADb-01测试集上HV的clDice(中心线Dice)达0.78，显著优于SwinUNETR的0.71。

4.4 连通性校正突破
VCC算法通过提取血管中心线端点，在R=4mm球形邻域内修复断裂分支。结果显示HV的RE(召回率)从0.64提升至0.70，且不会引入过度合并(PR保持0.72)。病理病例中，肿瘤周边血管断裂修复成功率达83%。

4.5 半径评估新指标
首创基于分支半径的局部评估体系，发现模型在1-3mm半径血管表现最佳(DSC 0.65-0.80)，而<1mm末梢血管仍需改进(DSC 0.30-0.50)。该指标为外科医生提供了可解释的分割质量热图。

结论与展望
该研究通过D²-RD-UNet框架实现了三大突破：首次将4D血管滤波器组合应用于肝血管分割；开发了基于中心线拓扑约束的VCC算法；创建了半径分层的评估体系。在临床价值方面，其PV分割精度达到手术导航要求的亚毫米级(ASSD 1.11mm)，HV主干连通性修复率提升40%。未来工作将聚焦于：1)优化RORPO滤波器的计算效率(当前单例耗时1776s)；2)扩展至MR多模态数据；3)开发术中实时分割系统。这项技术有望成为肝胆外科数字化手术平台的基石，特别是对需要保留≥5mm血管的精准肝切除手术具有变革性意义。