醫(yī)學(xué)影像分割在計算機輔助診斷、手術(shù)規(guī)劃等醫(yī)療場景中具有重要作用。如何準確高效地分割不同組織結(jié)構(gòu)，特別是對結(jié)構(gòu)復(fù)雜、尺度差異大的解剖結(jié)構(gòu)進行精確分割，是當前醫(yī)學(xué)影像人工智能分析和輔助診斷的重要挑戰(zhàn)之一。近日，蘇州醫(yī)工所戴亞康研究團隊圍繞醫(yī)學(xué)影像分割核心算法開展了研究工作。

工作1：層次化血管形態(tài)學(xué)習(xí)與噪聲標簽優(yōu)化聯(lián)合的血管分割方法。研究團隊提出了層次化血管形態(tài)感知網(wǎng)絡(luò)，通過多尺度局部形態(tài)感知實現(xiàn)血管多尺度形態(tài)特征的動態(tài)捕捉，并構(gòu)建全局形態(tài)保持損失以確保分割的完整性。進一步提出不確定性感知蒸餾策略，通過不確定性標簽優(yōu)化模塊迭代修正噪聲標簽。該研究為復(fù)雜血管分割任務(wù)提供了兼顧多尺度特征建模與噪聲魯棒性的解決方案，有望推動血管影像分割技術(shù)在臨床中的實際應(yīng)用。

相關(guān)研究成果以“JHN-Seg: Multi-scale vascular segmentation via Joint Hierarchical Morphology learning and noisy label refinement”為題發(fā)表于Expert Systems With Applications(中國科學(xué)院一區(qū)TOP)。蘇州醫(yī)工所周志勇研究員、碩士研究生張哲源和胡冀蘇副研究員為論文共同第一作者，戴亞康研究員為通訊作者。該研究得到國家自然科學(xué)基金（U23A20483和62271480）等項目的支持。

論文鏈接：https://doi.org/10.1016/j.eswa.2025.128096

圖1 層次化血管形態(tài)學(xué)習(xí)與噪聲標簽優(yōu)化聯(lián)合的血管分割網(wǎng)絡(luò)

圖2 不同方法的肝臟血管分割結(jié)果對比

工作2：雙層稀疏注意力網(wǎng)絡(luò)聯(lián)合窄帶損失的多器官分割方法。研究團隊提出了雙層稀疏注意力分割網(wǎng)絡(luò)，通過粗粒度的圖像塊級注意力自適應(yīng)選擇語義相關(guān)區(qū)域，降低全局建模的計算復(fù)雜度；通過細粒度的像素級注意力精準表征組織邊界上下文信息，提升小尺度復(fù)雜組織的識別能力。進一步提出了窄帶損失函數(shù)，通過聚焦于組織邊界鄰域分割誤差，同時約束過分割與欠分割區(qū)域，提升分割方法的魯棒性與泛化能力。該方法經(jīng)過MRI腦區(qū)分割、MRI腦腫瘤分割及CT腹部多器官分割等多個任務(wù)驗證，有望為醫(yī)學(xué)影像多組織分割提供技術(shù)支持。

該工作以“BSA-Seg: A Bi-level Sparse Attention Network Combining Narrow Band Loss for Multi-Target Medical Image Segmentation”為題發(fā)表于神經(jīng)網(wǎng)絡(luò)研究期刊《Neural Networks》（中國科學(xué)院二區(qū)Top）。蘇州醫(yī)工所周志勇研究員、博士研究生周哲臣、錢旭升副研究員為論文共同第一作者，蘇州醫(yī)工所戴亞康研究員、南京腦科醫(yī)院章文斌主任醫(yī)師為論文共同通訊作者。

本研究得到科技部（MOST）2030 腦計劃項目（No. 2022ZD0208502），國家自然科學(xué)基金（62271480，62301557，U23A20483）等項目資助。

論文鏈接：https://doi.org/10.1016/j.neunet.2025.107431

圖3 基于雙層稀疏注意力網(wǎng)絡(luò)的多器官分割方法

圖4 不同方法的分割結(jié)果對比。從上自下分別為腦區(qū)、腫瘤和腹部器官分割，BSA-Seg為本研究團隊提出的分割方法。

?