基于血管连续性学习的高保真肝脏血管分割方法

《Biomedical Signal Processing and Control》:Learning vascular continuity for faithful liver vessel segmentation

【字体: 大 中 小 】 时间:2026年10月14日 来源:Biomedical Signal Processing and Control 5.7

编辑推荐:

  肝脏血管分割旨在从计算机断层扫描(CT)、磁共振成像(MRI)等模态图像中将肝内血管结构与周围组织分离,这对于疾病诊断、手术规划和放疗定位至关重要。然而,由于血管结构细小、对比度低且噪声严重,现有方法的性能仍不理想。针对这些挑战,研究人员提出了一种轻量级的连续

  
肝脏血管分割旨在从计算机断层扫描(CT)、磁共振成像(MRI)等模态图像中将肝内血管结构与周围组织分离,这对于疾病诊断、手术规划和放疗定位至关重要。然而,由于血管结构细小、对比度低且噪声严重,现有方法的性能仍不理想。针对这些挑战,研究人员提出了一种轻量级的连续性引导框架,用于精确的肝脏血管分割。在该模型中,递归神经网络(RNN)从输入体数据的三个正交解剖视图推断血管连续性,然后将推断出的连续性用于指导卷积神经网络(CNN)中的血管相关特征学习。RNN沿各解剖方向传播长程血管信息,而CNN则在连续性引导下学习局部血管模式,两者协同工作以实现精细的血管分割,即使对于低对比度或极小尺寸的血管也能有效处理。此外,研究人员将推断出的连续性图归一化后融入训练损失函数,以强调血管区域及其周围上下文,同时抑制占主导的非血管背景影响,从而缓解严重的前景-背景不平衡问题。在三个广泛使用的数据集上的实验表明,所提方法在拓扑导向指标上取得了具有竞争力甚至更优的性能,验证了该方法的有效性和合理性。
一、研究背景与现存问题
肝脏血管分割旨在从医学影像(如CT、MRI)中精确提取肝内血管结构,为肝脏疾病诊断、手术规划及放疗定位提供关键的结构信息。尽管已有大量计算方法被提出,但肝脏血管分割的性能仍远未令人满意。其主要障碍在于:血管在影像中主要表现为细小的斑点状结构,仅有少数呈现为管状形态;细小血管区域极易受到图像噪声和周围组织的干扰;此外,大规模高质量标注的血管数据集极为稀缺。现有方法大多基于单张二维切片进行识别,难以捕捉跨相邻切片的血管连续性;而基于三维体数据的方法通常处理有限的局部区域,难以整合跨越长空间距离的血管分支信息,且全三维模型对内存和标注数据的需求较大。
二、研究目的与意义
鉴于血管连续性这一内在结构先验——即沿血流方向相连血管结构之间的空间关系——可为分割提供有价值的指导,研究人员提出一种轻量级的连续性引导网络(C2Net),用于实现高保真的肝脏血管分割。该方法通过显式建模并利用血管连续性,显著提升了对细小、低对比度血管的分割能力,并在三个公开数据集上取得了优于或媲美现有方法的拓扑性能。
三、关键技术方法
研究人员提出的C2Net整体架构为U形网络,包含三大核心组件:(1) 连续性引导的特征编码器,采用双向最小门控单元(MGU)的RNN从输入体数据的横断面、矢状面和冠状面三个正交解剖视图推断血管连续性,并将该连续性概率图作为空间门控机制乘以编码器特征图,增强血管相关特征并抑制背景响应;(2) 配备空洞卷积的解码器,以扩大感受野;(3) 连续性调制的损失函数,将瓶颈层输出的连续性概率图上采样后加权至损失计算,自动动态地强调血管及其周围上下文区域,缓解前景-背景极度不平衡问题。
四、研究结果
4.1 轻量级多视角连续性建模
研究人员采用轻量级循环模块捕获横断面、矢状面和冠状面三个视图下的血管连续性,提供了超越传统输出级拓扑约束的显式连续性引导。通过将连续切片堆叠作为输入而非单一切片,实现了从三个正交方向联合推断连续性线索。
4.2 连续性引导的特征调制
推断出的连续性图被引入编码器作为空间门控机制:将特征图与连续性推断得到的血管概率相乘,增加类血管区域的权重并抑制其他区域。这克服了纯卷积模型感受野受限的局限,因为RNN能够沿各解剖方向传播长程连续性信息。
4.3 连续性调制的损失
研究人员将瓶颈层获得的连续性概率图上采样后融入损失函数,实现自动、动态且独立于具体病例的像素级加权。该策略不仅赋予高连续性得分给类血管像素(包括潜在假阳性),从而关注困难区域,还通过放大血管周围上下文区域来避免过度强调血管本身导致上下文信息丢失,最终有效平衡了极度的前景-背景不平衡。
五、讨论与结论
在讨论部分,研究人员指出,血管连续性作为内在结构先验,其显式建模和利用是提升分割精度的关键。与传统方法相比,该方法不仅在局部特征学习中引入连续性引导,还在损失层面实现自适应平衡,从而在细小和低对比度血管的恢复上展现出优势。研究结论为:通过在三个广泛使用的数据集上进行实验,所提出的连续性引导方法在拓扑导向指标上取得了具有竞争力或更优的性能,充分证明了该方法的有效性与合理性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号