全国爱肝日 | 深睿医疗科研创新成果助力精准肝血管分割提升临床诊断精度

近日，深睿医疗与上海交通大学自动化系王利生教授团队共同研究的最新科研成果被国际知名生物医学和健康信息学期刊《IEEE Journal of Biomedical and Health Informatics》（IEEE JBHI）(IF5.772)收录，本研究提出了一种基于图注意力网络 (GAT) 的图形连接约束模块 (GCCM) 作为连接先验来监督轻量级U-Net分割网络（LU-Net）对3D CT图像进行自动肝血管分割，助力肝血管精准分割，提升临床诊断精度。

论文题目

“3D Graph-Connectivity Constrained Network for Hepatic Vessel Segmentation”

在我国各类肝病发病率逐年上升，在全民健康造成了严重威胁，集中科技力量，攻克临床难点。在基于增强CT影像的肝脏计算机辅助诊断、治疗和手术规划系统中，从复杂的组织结构中单独提取血管有重要的意义，它是肝血管结构3维可视化及病理分析的基础。特别是在局部肝切除以及肝脏移植等手术中，能否保证剩余组织的足够供血是决定手术成败的关键因素之一，需要准确的血管系统结构及分布信息作为支撑。

先验医学知识对精准3D CT 图像分割肝血管具有启发性，肝血管是包含粗细血管的连接分支，血管连通性是重要的先验结构特征。本研究通过将用于描述肝血管结构连通先验的图神经网络（GNN）集成到通用卷积神经网络（CNN）中，以实现将连通性先验融入到肝血管分割的网络。基于公开数据集3D-ircadb-01与MSD08的实验结果表明，本研究所提出的肝血管分割方法在准确性和连通性方面均优于现有基于传统轻量级分割网络的方法。

（图1） 3D血管连通图的构建

图1所示为 3D血管连通图的构建：首先通过对3D CT图像进行网格化来实现节点采样；然后根据走向的测地距离构造边缘，生成血管连通图。图1中黄点和蓝线分别代表属于血管和构造边缘的采样节点。

具体而言，本研究首先使用图注意力网络 (GAT) 对肝血管的图形连接信息进行建模。然后通过一种称为插件模式的高效机制将GAT 与轻量级 3D U-Net 集成，其中 GAT 作为多任务分支并入 U-Net。值得注意的是，GAT 仅用于监督训练过程具有先验连通性的 U-Net，不会用于推理阶段。因此，与 U-Net 相比，所提出的网络可以有效的改进肝血管分割结果，却不会增加推理阶段的硬件和时间成本。通过对比采用不同分割方法获得的肝血管分割的可视化结果，验证本研究方法正确地重建了血管连通性，更好地避免血管碎片。因此，本研究提出的分割方法得到的肝血管具有更好的连通性。

（图2） 不同血管分割方法的典型可视化结果对比（ 3D-ircadb-01 数据集）

技术创新引领行业发展，随着人工智能技术在医疗领域的深度应用，很多优质的科研成果快速产出。深睿医疗在国内外学术领域成绩优异，截至目前科研成果累计影响因子近1000，获得近700个专利及软著。在不断创新的同时，也在不断推进这些成果向临床应用转化。深睿医疗牵头参与了包括科技部国家重点研发计划“数字诊疗装备研发”项目、“主动健康和老龄化科技应对 ”项目等在的7项科技部重点研发计划，9项国家自然科学基金，近30个省市级科研项目，仅2021年就与国内多家顶级医疗机构合作，联合申报成功4个国自然项目，也在今年获得了医学影像AI领域唯一的国家科学技术进步二等奖。

近日，深睿医疗刚刚收获了第五张NMPA三类证，成为罕见的拥有五张三类证的医疗AI企业。矢志创新，未来深睿医疗将全力促进科研成果快速向临床应用转化，在医疗人工智能领域不断探索和前行，为全民健康贡献智慧力量。

 被收录文章 

[1] Ruikun Li, Yi-Jie Huang, Huai Chen, Xiaoqing Liu, Yizhou Yu, Dahong Qian, and Lisheng Wang, “3D Graph-Connectivity Constrained Network for Hepatic Vessel Segmentation”，IEEE Journal of Biomedical and Health Informatics, 26(3): 1251-1262, 2022.