基于混合网络的鼻窦炎CT图像分割性能比较研究：CNN、ViT与混合架构的精准解剖定位突破

本研究针对鼻窦炎患者CT图像中鼻旁窦（FS/ES/SS/MS）的精准分割难题，系统比较了卷积神经网络（CNN）、视觉Transformer（ViT）和混合网络（Swin UNETR/CoTr）的性能。研究发现混合网络在Jaccard指数（0.719）、Dice系数（0.830）等关键指标上显著优于传统方法，尤其能降低关键手术标志物附近的分割误差，为鼻窦炎影像导航手术（IGS）和3D容积分期提供了更优的算法选择。

　　

鼻窦作为人体重要的解剖结构，不仅参与温度调节和面部保护，其炎症病变——鼻窦炎更是困扰全球约10%人口的常见疾病。当鼻窦黏膜发生慢性炎症（CRS）时，会导致黏膜增厚、骨质重塑等复杂病理改变，这些变化在CT图像上呈现高度异质性。传统依赖人工勾画的鼻窦分割方法效率低下，而现有自动分割算法在应对鼻窦复杂的空间构型（如筛窦ES的蜂窝状结构）和炎症导致的形态学变异时表现欠佳。更关键的是，鼻窦与视神经、颅神经等关键结构的紧密相邻，使得分割误差可能直接影响内窥镜鼻窦手术（ESS）的安全性和图像引导手术（IGS）系统的准确性。这些临床痛点促使Dahyun Song团队在《Scientific Reports》发表研究，系统评估不同深度学习架构在鼻窦分割中的表现。

研究采用200例鼻窦炎患者CT数据（176例患者/24例正常对照），通过两名耳鼻喉科专家手动标注建立金标准。主要技术方法包括：1）使用3D U-Net、V-Net代表CNN架构，VT-UNet、D-Former代表ViT架构，Swin UNETR和CoTr作为混合网络；2）采用Jaccard指数（JI）、Dice相似系数（DSC）、95% Hausdorff距离（HD95）等6项指标评估性能；3）通过参数规模（Params）和推理时间（IT）评估计算效率；4）统计方法采用重复测量ANOVA和Bonferroni校正。

【Comparison of segmentation performance】章节显示，混合网络在整体性能上实现突破：Swin UNETR以15.7M参数量获得最优分割指标（JI=0.719，DSC=0.830），其HD95值（10.529）显著低于ViT架构（p<0.05）。CoTr则展现出最快的推理速度（0.149秒/体积），适合实时临床应用。

【Results】部分通过解剖复杂度分层分析发现：1）在上颌窦MS（解剖最简单区域），所有网络DSC>0.85；2）在筛窦ES（最复杂区域），Swin UNETR的DSC（0.783）显著优于CNN和ViT（p<0.05）；3）边界分析显示混合网络能更好区分额窦FS-筛窦ES交界处等手术关键区域（图4白色箭头示）。

【Discussion】部分指出三大发现：1）CNN在筛窦区域易出现欠分割（假阴性），源于其局部感受野限制；2）ViT在蝶窦SS易产生过分割（假阳性），与全局注意力机制丢失局部细节有关；3）混合网络通过Swin Transformer的窗口注意力机制和CNN的局部特征提取，在保持参数效率的同时实现最优边界描绘（图5红/蓝圈示）。

该研究的临床意义在于：1）为鼻窦炎容积分期（如Lund-Mackay评分系统）提供自动化工具；2）通过精确识别前筛动脉等手术标志物（图4棕色箭头处），提升ESS手术导航安全性；3）Swin UNETR的小参数量特性（15.7M）使其更适合医疗资源有限场景部署。作者也指出需通过多中心验证解决单机构数据局限性的问题，未来可探索这些算法在增强现实导航系统中的应用价值。