《Applied Sciences》：Evaluating Neus-Facto Lesion Surface-Area Measurement Using a 3D-Printed Anatomical Phantom
编辑推荐：
皮肤病变和慢性伤口的表面积精确测量是监测其动态变化（愈合与进展）的关键要素，然而传统的人工测量方法具有侵入性、速度慢且高度依赖操作者技能，而基于智能手机成像的二维（2D）数字方法会在弯曲的解剖表面上扭曲面积几何。三维（3D）表面重建消除了这些限制，在当前各类方
皮肤病变和慢性伤口的表面积精确测量是监测其动态变化（愈合与进展）的关键要素，然而传统的人工测量方法具有侵入性、速度慢且高度依赖操作者技能，而基于智能手机成像的二维（2D）数字方法会在弯曲的解剖表面上扭曲面积几何。三维（3D）表面重建消除了这些限制，在当前各类方法中，神经隐式表面家族——特别是Neus-Facto——在最近的一项实证基准研究中展现出最高的几何精度。然而，现有评估使用结构光3D扫描仪作为参考，其自身的测量误差与待测方法的误差相互混杂；测试模型（phantom）脱离身体的解剖背景，且可重复性是在单一视频的帧子集上评估的。在本研究中，研究人员提出了一种评估Neus-Facto的替代路径，其中参考几何不是通过测量定义，而是通过设计定义——一个数字CAD模型，实现为带有嵌入式病变区域的3D打印解剖足部模型。采集使用消费级智能手机按照文档化协议进行；可重复性在真正独立的物理采集会话（不同时间、相机距离和视角存在变化）中评估。该设置将方法的误差与测量参考的误差分离开来，并更接近（尽管尚未完全复现）真实临床条件；这些结果表明未来临床转化的潜力，但仍需在真实临床条件下进行进一步验证。
论文解读
一、研究背景与问题提出
皮肤病变和慢性伤口在全球范围内给医疗系统带来了巨大的临床和经济负担。病变面积的准确且可重复的测量是监测愈合过程、评估治疗效果和临床记录的核心环节。然而，在日常临床实践中，这类测量仍主要依赖人工方法——在透明薄膜上进行平面测量或使用直尺——这些方法具有侵入性、速度慢、精度低且高度依赖操作者技能。
基于智能手机成像的二维数字方法虽然提高了标准化程度，但存在一个根本性局限：面积作为分割区域内像素计数的计算结果，实际上是三维表面在传感器平面上的投影，因此依赖于相机视角和距离。对于足部、胫部和足跟等弯曲解剖表面上的病变，二维测量结果与真实面积存在偏差，同一病变在不同照片中会得到不同数值。已有实证研究表明，在足背等高曲率区域，二维方法仅能捕捉到约一半的真实病变面积（三维/二维比值达1.908）。
相比之下，三维表面重建从原理上消除了这一误差：给定数字表面模型后，面积以视角不变的方式计算为多边形网格三角形面积之和。在各类三维重建方法中，基于符号距离函数（SDF）的神经隐式表面方法家族——包括NeuS、Neuralangelo以及SDFStudio框架中的快速变体Neus-Facto——在最近的实证基准研究SALVE中展现出最高的几何精度和可重复性。然而，SALVE的评估存在若干方法论问题：参考扫描仪自身的误差与待测方法的误差同量级，难以分离；可重复性是在单一视频的帧子集上测量的而非独立的物理采集会话；病变区域通过手动多边形勾勒，引入了主观性；且测试模型脱离身体的解剖背景。
基于上述问题，本研究提出了一种替代性评估路径：参考几何不是通过测量定义，而是通过设计定义——一个数字CAD模型，实现为3D打印的解剖足部模型，其中嵌入人工病变区域。该设置能够将重建方法的误差与测量参考的误差分离开来，并更接近真实临床采集条件。
二、研究内容与结论
本研究评估了Neus-Facto在尽可能接近真实临床采集条件下对皮肤病变进行三维重建的精度，同时采用足够严格的参考来测量重建算法本身的贡献而非整个测量管线的累积误差。研究的主要贡献包括：提出了以数字CAD模型为参考几何的评估方法论；制定了适用于神经三维重建的消费级智能手机采集协议；实证评估了Neus-Facto在接近临床采集条件下的精度、可重复性以及对采集条件和重建参数的敏感性。
研究结果表明，在10次独立物理采集会话中，Neus-Facto实现了亚毫米级表面精度（平均最近邻距离AD为0.114–0.162 mm），面积测量的可重复性标准差为5.46 mm2（变异系数CV = 0.66%），远低于临床监测中病变面积变化的有意义尺度。与SALVE基准相比，本研究在三个可比指标上均表现更优，表明在受控参考和精心设计的采集协议下，该方法的可达精度显著优于此前文献记录。
三、关键技术方法
本研究采用了以下主要技术方法：使用COLMAP进行运动恢复结构（SfM）相机位姿估计；使用SDFStudio框架中的Neus-Facto模型进行神经隐式表面重建（80,000次迭代训练）；通过marching cubes算法在40963体素网格上进行表面提取并简化至10?三角形；使用BiRefNet模型进行足部与背景分离，使用SAM 3.1模型进行病变区域分割，并通过多视角投票聚合在三维网格上融合分割结果；使用DBSCAN空间聚类和z-buffer遮挡过滤进行后处理；通过Sim(3)-ICP（Umeyama算法）将重建结果与CAD参考对齐并计算几何差异指标。样本为3D打印解剖足部模型（FDM打印，Creality K1 Max打印机，哑光PLA材料），病变区域位于足背，参考面积为814.18 mm2，采集设备为OnePlus 13消费级智能手机。
四、研究结果
4.1 精度（Accuracy）：通过10次独立采集会话的完整处理，计算了全套几何差异指标。AD（平均双向最近邻距离）范围为0.114–0.162 mm，HD90（最近邻距离的90百分位数）范围为0.185–0.258 mm，最坏情况Hausdorff距离HD为0.659–0.881 mm。在0.3 mm阈值下F-score不低于95.9%，在1.0 mm阈值下所有10次运行均为100%。测量面积范围为823.0–838.9 mm2，相对于参考值814.18 mm2存在系统性高估，偏差为+1.08%至+3.04%。
4.2 可重复性（Repeatability）：面积测量的标准差σA = 5.46 mm2（CV = 0.66%），表明完整采集到网格管线在重复物理采集会话中将测量值复现到±5.5 mm2（一个标准差）范围内。AD的标准差为0.017 mm，HD90的标准差处于数十微米水平。
4.3 重建的视觉比较（Visual Comparison of Reconstructions）：通过将10次运行投影到同一参考相机视角进行可视化比较，各次运行之间在典型视角和病变区域尺度下肉眼几乎无法区分。
4.4 到参考的距离图（Distance Map to the Reference）：热图显示即使是最差运行，绝大多数表面与参考的偏差小于0.3 mm；局部较亮区域对应病变边界（分割可变化1–2像素）和趾伸肌腱上方的一小块区域。
五、讨论与结论
讨论部分指出，AD = 0.114–0.162 mm的亚毫米级几何精度为任何进一步衍生测量设定了下限。面积测量的系统性高估（平均+2.12%）可能来源于FDM打印中主模型与病变插入件之间的微小间隙、真实镜头对区域边界的更"饱满"重建、3D打印误差以及自动分割可能包含相邻表面的薄边缘。与文献对比，本研究的管线自身误差比二维投影在弯曲解剖表面上引入的失真小约两个数量级，这意味着在遵守采集协议的前提下，会话间测量面积的变化可归因于真实变化而非方法噪声。
与SALVE的对比显示，本研究在AD、HD和HD90三个指标上均优于SALVE的三个TraumaSIM模型。研究强调，并非声称改进了Neus-Facto本身（两套设置使用相同算法），而是表明在受控参考、自动分割和精心设计的采集协议下，方法的可达精度可显著优于此前记录。研究还发现，若干采集会话因质量不达标而需重拍，且失败会话难以从照片中预先判断，这指向了自动化采集前检查工具和自动化超参数选择的必要性。
研究结论部分翻译如下：本研究使用3D打印解剖模型评估了Neus-Facto在皮肤病变表面积测量中的精度和可重复性，其参考几何通过设计而非第三方测量仪器定义。在受控智能手机采集协议下，该方法在所研究的平坦浅表病变类别中实现了亚毫米级表面精度（AD = 0.114–0.162 mm）和跨10次独立会话的0.66%面积可重复性——远低于临床上有意义的病变面积变化尺度。广泛临床使用的主要障碍并非精度，而是方法对严格遵循采集协议和操作者技能的依赖；通过采集辅助工具和自动化超参数选择降低这一障碍，以及在更多病变类型、操作者和设备上验证该方法，是自然的下一步方向。本研究引入的CAD参考评估方法论本身也是一项可迁移的贡献，适用于评估其他三维重建方法。
