近日，暨南大學(xué)副教授白杰云、教授張曉慎團(tuán)隊(duì)聯(lián)合奧克蘭大學(xué)、曼徹斯特大學(xué)等國(guó)際機(jī)構(gòu)研究者，創(chuàng)新性地提出了基于3D深度學(xué)習(xí)網(wǎng)絡(luò)RASnet的兩階段分割框架，首次在延遲釓增強(qiáng)磁共振成像（LGE-MRI）中實(shí)現(xiàn)右心房的高精度自動(dòng)化分割，建立了該領(lǐng)域的基準(zhǔn)模型，為心臟疾病的精準(zhǔn)評(píng)估提供了關(guān)鍵工具。相關(guān)成果發(fā)表于《IEEE醫(yī)學(xué)成像匯刊》。

右心房作為維持正常心臟血流動(dòng)力學(xué)的關(guān)鍵結(jié)構(gòu)，在心臟儲(chǔ)備、傳導(dǎo)和輔助泵血中發(fā)揮核心作用，但其在臨床診斷中常被忽視。近年來(lái)，隨著介入心臟病學(xué)的發(fā)展，右心房的結(jié)構(gòu)與功能評(píng)估對(duì)房顫、心力衰竭、肺動(dòng)脈高壓等疾病的診療愈發(fā)重要。

研究團(tuán)隊(duì)在國(guó)家自然科學(xué)基金等項(xiàng)目的資助下，針對(duì)右心房分割面臨的類別不平衡、解剖結(jié)構(gòu)變異大等挑戰(zhàn)，設(shè)計(jì)了融合卷積神經(jīng)網(wǎng)絡(luò)（CNN）與視覺(jué)Transformer的混合架構(gòu) RASnet。該框架通過(guò)多路徑輸入模塊捕捉多尺度特征，多尺度特征融合模塊增強(qiáng)局部與空間信息保留，視覺(jué)Transformer模塊捕捉全局上下文，多尺度上下文交互模塊優(yōu)化邊緣分割，并結(jié)合深度監(jiān)督機(jī)制提升模型魯棒性。

團(tuán)隊(duì)在包含354例LGE-MRI的數(shù)據(jù)集（RAS數(shù)據(jù)集154例、JNU獨(dú)立數(shù)據(jù)集200例）上開(kāi)展實(shí)驗(yàn)。結(jié)果顯示，RASnet在主要數(shù)據(jù)集上的Dice系數(shù)達(dá)92.19%，Jaccard系數(shù)0.8563，Hausdorff距離13.19，顯著優(yōu)于現(xiàn)有主流模型（如nnUnet、MedSAM等）；在獨(dú)立驗(yàn)證集上仍保持領(lǐng)先性能，證明其強(qiáng)大的泛化能力。

研究團(tuán)隊(duì)提出的兩階段分割網(wǎng)絡(luò)。

該研究的核心突破在于：首次建立了LGE-MRI右心房分割的基準(zhǔn)框架，解決了長(zhǎng)期以來(lái)該領(lǐng)域缺乏標(biāo)準(zhǔn)化方法和公開(kāi)數(shù)據(jù)集的問(wèn)題；RASnet通過(guò)融合多尺度特征與全局上下文，精準(zhǔn)捕捉右心房復(fù)雜解剖結(jié)構(gòu)（如界嵴、梳狀肌等），為臨床提供了右心房腔體大小、形態(tài)、體積的量化工具；提供的開(kāi)源代碼（https://github.com/zjinw/RAS）和數(shù)據(jù)集（https://zenodo.org/records/15524472），將推動(dòng)該領(lǐng)域的標(biāo)準(zhǔn)化研究與臨床轉(zhuǎn)化。

在臨床應(yīng)用中，該框架可助力房顫患者的右心房重構(gòu)評(píng)估、肺動(dòng)脈高壓的預(yù)后判斷等。例如，通過(guò)精準(zhǔn)分割右心房并量化其體積變化，能更早預(yù)測(cè)三尖瓣反流進(jìn)展，優(yōu)化手術(shù)干預(yù)時(shí)機(jī)。同時(shí)，自動(dòng)化分割大幅減少人工標(biāo)注時(shí)間，為大規(guī)模臨床研究和隨訪監(jiān)測(cè)提供高效工具。

相關(guān)論文信息：https://10.1109/TMI.2025.3590694

來(lái)源：《IEEE醫(yī)學(xué)成像匯刊》