CT影像肝脏血管分割算法的比较研究：提升术前三维规划模型的精准度

本研究针对肝脏手术术前规划中血管分割的精度问题，系统比较了DICOM to Print（D2P）软件的7种分割算法（A1/A2/S1/S2/AC/SC/I）和3种平滑处理（Sm0/Sm3/Sm7）对9例患者门静脉CT影像的适用性。通过定量指标（体积/表面积/三角面片数）和3名评估者的VR头显定性评分，发现仅插值法（I）与金标准吻合度较高（ICC>0.79），但所有自动算法均需人工调整才能满足临床需求，为优化术前三维建模流程提供了关键证据。

　　

肝脏作为人体最大的代谢器官，其复杂的血管网络如同城市交通枢纽般精密。当肝细胞癌（HCC）这一全球癌症死亡第三大杀手侵袭时，外科医生面临的挑战不亚于在迷宫中精准拆弹——据统计，2022年全球有86.5万新发病例，75.8万人因此丧命。传统CT二维影像就像模糊的地图，难以清晰展现血管变异（发生率高达45%），而手术失误可能导致灾难性出血。如何构建高保真三维血管地图，成为提升肝癌手术安全的关键突破口。

西班牙桑坦德医院虚拟中心（Hospital Virtual Valdecilla）联合马德里理工大学生物医学工程中心的研究团队，在《Journal of Medical and Biological Engineering》发表的研究中，对临床常用的DICOM to Print（D2P）软件发起"终极测试"。研究人员选取12例肝细胞癌患者的门静脉CT数据，以临床金标准手工分割模型为参照，系统评估7种算法（全自动A1/A2、半自动S1/S2、组合AC/SC及插值法I）生成的21种三维网格质量。通过MeshLab量化体积/表面积/三角面片数差异，并邀请3名专家通过Meta Quest 2头显进行双盲评分（1-5分制），首次将工程参数与临床可用性直接关联。

关键技术包括：①基于D2P的多算法并行分割；②3档平滑处理（0/3/7次迭代）；③类内相关系数（ICC）定量验证；④虚拟现实环境下的双盲定性评估。结果显示，插值法I在体积吻合度上表现最佳（ICC=0.79），但仅覆盖主干血管；组合算法SC在表面积指标领先（ICC=0.332），而全自动A1产生显著过分割（p<0.05）。VR评估暴露算法差异：专家对血管辨识度的评分跨度达1.17-5.00分，其中I法获最高分但耗时最长。

【主要结果】

1. 算法性能差异：

• 体积吻合度：仅I法达"良好"标准（ICC>0.75），AC/SC为"中等"（0.5-0.75），其余算法ICC<0.1
• 三角面片数：所有算法ICC<0.6，揭示自动生成网格拓扑结构缺陷

1. 平滑处理影响：

• 7次平滑使血管体积缩减6.8%，但通过顶点重排而非删减面片

1. 临床可用性矛盾：

• 评估者间一致性低（最高ICC=0.75），反映临床需求与工程参数的gap
• 经验丰富的评估者（R2）普遍打低分，强调细血管缺失问题

这项研究犹如给AI辅助手术规划敲响警钟：当前FDA批准的软件尚无法摆脱人工修正。尽管深度学习在血管分割领域崭露头角（如HPM-Net等算法），但临床转化仍需突破标准化验证瓶颈。研究者特别指出，动脉期CT数据的缺失可能限制算法评估全面性，而金标准模型本身的三角面片精简处理也带来验证偏差。该成果为医疗器械监管提供了重要参考——唯有将工程指标与临床场景深度耦合，才能真正释放三维手术规划的潜力。

未来方向已然清晰：开发融合多期相CT的智能算法，建立血管分割的临床评价共识，或许能让虚拟手术规划从"仅供参考"升级为"生命导航"。正如研究者强调的，在肝脏外科这场精密舞蹈中，AI与人类专家的双人舞才刚拉开序幕。