基于自适应跳阅注意力机制的三维旋转血管造影颅内动脉瘤智能分割网络

针对三维旋转血管造影(3D-RA)序列中颅内动脉瘤(IA)分割存在的冗余信息干扰和特征权重分配不均问题，研究人员提出自适应跳阅注意力网络(ASRP-UNet)。通过预检测模块筛选显著IA帧，结合自适应特征增强与维度压缩技术，实现DSC 0.9137的当前最高精度，为介入手术提供黄金标准影像分析工具。

　　

在脑血管疾病诊疗领域，颅内动脉瘤(IA)破裂导致的蛛网膜下腔出血具有高致死致残率。尽管三维旋转血管造影(3D-RA)作为诊断金标准能提供133帧多视角序列，但传统方法面临三大困境：重建过程引入误差、非显著帧干扰分割精度、时空特征利用不足。首都医科大学附属北京天坛医院的研究团队发现，现有基于注意力机制的跳阅策略虽能融合显著IA特征，但存在冗余信息累积和固定权重分配的缺陷，导致Dice相似系数(DSC)难以突破0.91瓶颈。

研究团队创新性开发了ASRP-UNet框架，关键技术包括：1)基于300例临床3D-RA数据集(含173例女性患者)的预检测模块；2)融合通道重组与动态权重的自适应特征增强模块；3)非学习型感兴趣区域(ROI)坐标变换算法。通过Siemens Axiom Artis等设备采集的6°间隔序列验证，系统实现了特征维度压缩与时空相关性建模的双重优化。

【研究结果】

1. 性能对比：在相同测试集上，ASRP-UNet的DSC(0.9137)和IoU(0.8609)显著超越FSTIF-UNet(0.9109)和ARU-Net(0.868)，冗余信息干扰降低37.5%。
2. 模块验证：自适应增强模块使小尺寸IA(<3mm)分割精度提升21.6%，特征维度压缩至原1/4时仍保持98.2%有效信息。
3. 临床适配：半自动ROI提取耗时仅1.8±0.3分钟，较全手动方式效率提升6倍。

【结论与讨论】
该研究首次将放射科医师"先定位显著帧后辅助诊断"的临床思维算法化。通过动态权重分配克服了传统方法对6.8°相邻帧等权重处理的局限，特征增强模块中3×3与5×5卷积核的并行使用有效捕获了IA形态多样性。值得注意的是，非学习型ROI提取方案既避免了DSA序列标注依赖，又保持100%可解释性。论文成果已应用于天坛医院介入手术规划系统，对实现《健康中国2030》脑血管病早诊早治目标具有重要实践价值。未来研究可探索多模态影像(MRA/CTA)特征融合机制，进一步突破钙化病灶分割瓶颈。