基于深度学习的肺动脉和静脉分割揭示人口学关联的血管解剖差异
计算机视觉与模式识别
2025-04-18 v2
摘要
肺动脉-静脉分割对于疾病诊断和手术规划至关重要，传统上通过计算断层扫描肺动脉造影（CTPA）实现。然而，由于造影剂的副作用，CTPA 的临床实用性受到限制。相比之下，利用非造影 CT 识别动脉和静脉，长期被视为不可能。本文提出了一种高丰富度肺动脉-静脉分割框架（HiPaS），在各种空间分辨率下的非造影 CT 和 CTPA 上实现精准动脉-静脉分割。HiPaS 首先通过超分辨模块对原始 CT 体数据进行空间归一化，然后利用下层血管分割作为上层血管分割的先验，迭代实现不同分支层级的分割结果。我们在由 1,073 份 CT 体数据构成的多中心数据集上进行训练和验证，包括细致的手工标注。定量实验和临床评估均表明 HiPaS 性能卓越，平均 Dice 评分为 91.8%，灵敏度为 98.0%。进一步实验显示，HiPaS 在非造影 CT 上的分割性能不亚于 CTPA。借助 HiPaS，我们对中国 11,784 名受试者（来自六个中心）的肺血管解剖进行了研究，发现了肺血管解剖与性别、年龄和疾病状态的新关联：血管丰富度与性别呈显著差异，女性显著高于男性，且随年龄略微下降，同时受 certain 疾病影响，在控制肺容积的前提下亦有所影响。
引用
@article{arxiv.2404.07671,
title = {Deep learning-driven pulmonary artery and vein segmentation reveals demography-associated vasculature anatomical differences},
author = {Yuetan Chu and Gongning Luo and Longxi Zhou and Shaodong Cao and Guolin Ma and Xianglin Meng and Juexiao Zhou and Changchun Yang and Dexuan Xie and Dan Mu and Ricardo Henao and Gianluca Setti and Xigang Xiao and Lianming Wu and Zhaowen Qiu and Xin Gao},
journal= {arXiv preprint arXiv:2404.07671},
year = {2025}
}