全世界范圍內，每年都有上萬的人死于肺部疾病，肺部作為人類呼吸空氣的重要器官，容易受到空氣中病毒、細菌和有害氣體的影響，誘發(fā)肺癌、慢性阻塞性肺疾病、哮喘等，關注氣道健康具有十分重要的意義。
近日，光電學院王亞剛教授團隊在人工智能醫(yī)學領域頂級期刊《醫(yī)學影像分析》（Medical Image Analysis）上發(fā)表了題為《方向感知卷積的氣道管狀特征增強網絡》（Direction-Aware Convolution for Airway Tubular Feature Enhancement Network）的創(chuàng)新研究成果?！夺t(yī)學影像分析》期刊由Elsevier出版，影響因子為11.8，同時在JCR的計算機科學、人工智能、生物醫(yī)學工程等多個學科中均位列Q1，吸引了全球頂尖機構投稿，發(fā)表的內容常成為領域內的參考標桿，對醫(yī)學影像算法、臨床應用等方向的研究具有重要的引領作用。光電學院博士生吳啟標為第一作者，王亞剛教授為通訊作者，上海理工大學為第一單位。
目前，從計算機斷層掃描（CT）中逐切片標注并提取的氣道，廣泛應用于術前肺部病理診斷、支氣管鏡導航系統(tǒng)和支氣管鏡機器人控制系統(tǒng)之中。但這是一項耗時、依賴經驗的工作，有報道指出醫(yī)生完整地從患者CT中提取氣道需要花費7小時，這對于患者快速治療或現代支氣管鏡導航和機器人控制系統(tǒng)的快速應用產生了阻礙?；谏疃葘W習的氣道自動分割任務可以在1分鐘的時間內從患者胸部CT圖中提取患者氣道模，但該領域存在嚴重的類間和類內不平衡問題，常導致提取的氣道出現漏檢和過分割，不利于臨床應用。
為了解決該問題，研究團隊創(chuàng)新性提出了“方向感知卷積”的概念，該創(chuàng)新的理念始于可變形卷積和氣道獨特的樹形結構，通過旋轉變換和位置偏移，改變傳統(tǒng)卷積核的形狀，使得卷積核的形狀適應氣道細長的結構，促使氣道提取網絡獲得更多有效的氣道管狀特征，從特征增強的角度解決氣道漏檢和過分割的傳統(tǒng)問題。該成果在最大的肺部氣道分割數據集ATM22和最大的纖維化肺部氣道分割數據集AIIB23取得了最優(yōu)的平均性能指標，分別為94.95%和89.70%。在ATM22數據集中，氣道樹長和分支檢測率達到了95.34%和93.39%，在AIIB23數據集中，實現了95.50%和95.76%的氣道分割精度和泄露控制率，展現了世界領先的氣道提取連續(xù)性能和準確性能。
為積極響應學校科技成果轉化的號召，該團隊致力于推動支氣管鏡手術機器人及其手術規(guī)劃與導航系統(tǒng)的產業(yè)化進程，不斷將具有應用前景的科研成果系統(tǒng)性地注入產品開發(fā)與轉化鏈條中，實現“科研支撐產業(yè)、產業(yè)反哺科研”的良性循環(huán)。在這一過程中，該團隊積極探索科技成果雙向賦能的有效路徑，促使科研成果始終緊跟國家科技發(fā)展戰(zhàn)略步伐，切實履行社會責任，將技術創(chuàng)新轉化為服務人民健康福祉的實際力量。
方向感知卷積原理圖
【相關】
論文鏈接：https://doi.org/10.1016/j.media.2025.103882
