近日，暨南大學副教授白杰云、教授張曉慎團隊聯(lián)合奧克蘭大學、曼徹斯特大學等國際機構(gòu)研究者，創(chuàng)新性地提出了基于3D深度學習網(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)域的基準模型，為心臟疾病的精準評估提供了關(guān)鍵工具。相關(guān)成果發(fā)表于《IEEE醫(yī)學成像匯刊》。

右心房作為維持正常心臟血流動力學的關(guān)鍵結(jié)構(gòu)，在心臟儲備、傳導和輔助泵血中發(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。

研究團隊在國家自然科學基金等項目的資助下，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。

研究團隊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右心房分割的基準框架，解決了長期以來該領(lǐng)域缺乏標準化方法和公開數(shù)據(jù)集的問題；RASnet通過融合多尺度特征與全局上下文，精準捕捉右心房復雜解剖結(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)域的標準化研究與臨床轉(zhuǎn)化。

在臨床應用中，該框架可助力房顫患者的右心房重構(gòu)評估、肺動脈高壓的預后判斷等。例如，通過精準分割右心房并量化其體積變化，能更早預測三尖瓣反流進展，優(yōu)化手術(shù)干預時機。同時，自動化分割大幅減少人工標注時間，為大規(guī)模臨床研究和隨訪監(jiān)測提供高效工具。

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

來源：《IEEE醫(yī)學成像匯刊》