白杰云 / 張曉慎團(tuán)隊在醫(yī)學(xué)影像頂刊IEEE Transactions on Medical Imaging發(fā)表研究成果
暨南大學(xué)融媒體中心訊 右心房作為維持正常心臟血流動力學(xué)的關(guān)鍵結(jié)構(gòu)，在心臟儲備、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，隨著介入心臟病學(xué)的發(fā)展，右心房的結(jié)構(gòu)與功能評估對房顫、心力衰竭、肺動脈高壓等疾病的診療愈發(fā)重要。近日，暨南大學(xué)白杰云副教授與張曉慎教授團(tuán)隊聯(lián)合奧克蘭大學(xué)、曼徹斯特大學(xué)等國際機構(gòu)研究者，在醫(yī)學(xué)影像頂刊《IEEE Transactions on Medical Imaging》發(fā)表題為“A Benchmark Framework for the Right Atrium Cavity Segmentation From LGE-MRIs”的研究成果。該研究提出了基于 3D 深度學(xué)習(xí)網(wǎng)絡(luò) RASnet 的兩階段分割框架，首次在延遲釓增強磁共振成像（LGE-MRI）中實現(xiàn)右心房的高精度自動化分割，建立了該領(lǐng)域的基準(zhǔn)模型，為心臟疾病的精準(zhǔn)評估提供了關(guān)鍵工具。
示例圖
研究團(tuán)隊針對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)計了融合卷積神經(jīng)網(wǎng)絡(luò)（CNN）與視覺 Transformer 的混合架構(gòu) RASnet。該框架通過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局部與空間信息保留，視覺 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)督機制提升模型魯棒性。團(tuán)隊在包含 354例 LGE-MRI 的數(shù)據(jù)集（RAS 數(shù)據(jù)集 154例、JNU 獨立數(shù)據(jù)集 200例）上開展實驗。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）；在獨立驗證集上仍保持領(lǐng)先性能，證明其強大的泛化能力。
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，解決了長期以來該領(lǐng)域缺乏標(biāo)準(zhǔn)化方法和公開數(shù)據(jù)集的問題；RASnet 通過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；提供的開源代碼（https://github.com/zjinw/RAS）和數(shù)據(jù)集（https://zenodo.org/records/15524472），將推動該領(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)評估、肺動脈高壓的預(yù)后判斷等——例如，通過精準(zhǔn)分割右心房并量化其體積變化，能更早預(yù)測三尖瓣反流進(jìn)展，優(yōu)化手術(shù)干預(yù)時機。同時，自動化分割大幅減少人工標(biāo)注時間，為大規(guī)模臨床研究和隨訪監(jiān)測提供高效工具。
該論文通訊作者為暨南大學(xué)白杰云副教授與陸華主任，研究得到國家自然科學(xué)基金、廣東省基礎(chǔ)與應(yīng)用基礎(chǔ)研究基金、歐洲研究理事會（ERC）等項目資助。
論文鏈接：https:// 10.1109/TMI.2025.3590694
責(zé)編：常凱麗