三维相位衬度断层成像技术推动肾血管分割技术再进阶
2026-07-07 来源:本站 点击次数:86针对分级相位衬度断层成像三维血管分割存在的人工标注成本高昂、自动化算法精度不足的问题，研究团队组织全球机器学习竞赛，汇集千余名参与者的方案开展荟萃分析，系统总结了适配该成像模态的深度学习血管分割方法，提炼出三类共性技术创新，同时发布经专家标注的金标准数据集与多维度评估体系，为后续相关算法研发提供基准支撑。
该研究论文题为Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys，由Yashvardhan Jain、Claire L. Walsh、Ekin Yagis等学者共同完成，通讯作者为Yashvardhan Jain、Claire L. Walsh与Katy Börner，于2026年7月发表于Nature Communications。
重要发现
01分级相位衬度断层成像数据集的标准化构建
分级相位衬度断层成像是基于第四代同步辐射极亮光源的传播相位衬度局部断层成像技术，无需对样本进行物理亚采样，即可实现完整人体器官的多尺度高分辨率成像，能够将完整人肾的动脉血管网络精细映射至小动脉级别。本次研究使用的成像数据来源于5例成人供体肾脏，涵盖全肾大体扫描与高分辨率感兴趣区扫描两类数据，体素分辨率覆盖数微米至五十微米级别，分别采集自不同的同步辐射束线，天然存在成像参数、灰度强度分布、供体解剖特征的异质性。
金标准标注由三名独立标注者遵循迭代校验流程完成，累计投入约600小时专家工时，形成密集标注与稀疏标注两类标签体系，同时配套高分辨率感兴趣区标注用于验证小血管的分割效果。竞赛数据集被划分为训练集、公开测试集与私有测试集，其中私有测试集采用不同供体、不同束线的成像数据，用于验证算法跨数据集的泛化能力，更贴近真实研究场景下的算法迁移需求。
02顶尖分割方案的共性方法学特征竞赛最终收敛形成三类核心技术方向，共同应对新型成像模态下的血管分割核心挑战。第一类是精细化伪标签策略，在标注数据稀缺的背景下，多数顶尖团队采用伪标签方式扩充训练集，实现路径从基础的外部数据标注，迭代至结合域分布特征的稀疏到密集优化；部分团队通过动态阈值匹配已知的标签稀疏度，实现伪标签的质量管控，有效降低假阳性带来的误差累积。第二类是面向血管特性的损失函数设计，团队普遍针对评估指标与血管拓扑特征优化损失函数，包括直接优化表面分割精度的定制化损失、边界加权损失等，结合焦点损失、骰子损失形成复合损失体系，同步提升边界分割精度与血管拓扑连通性。第三类是适配数据异质性的多尺度空间处理策略，针对不同数据集的分辨率与强度差异，团队分别采用强度增强、百分位逐层归一化、三维插值等方案，对齐训练与测试数据的分布特征。
在模型架构层面，所有顶尖方案均采用U-Net系列变体，同时在维度选择上呈现出多样化的权衡设计：纯三维模型可获取完整的空间上下文信息，但受显存限制仅能使用小尺寸图像块，训练周期长且难以捕捉大尺度血管结构；2.5D与多轴二维方案可支持大尺寸图像块输入，通过正交平面的结果集成隐式获取三维信息，在计算效率与空间上下文间取得平衡；部分团队采用结合卷积神经网络与Transformer的混合编码器，同步提取局部纹理特征与全局上下文信息，适配复杂血管结构的分割需求。此外，几何与强度数据增强、测试时增强、多模型集成、后处理连通域分析等策略也被广泛应用，进一步提升模型的鲁棒性与最终分割精度。
03多维度评估下的性能表现与现存局限定量评估结果显示，排名第一的团队在私有测试集上的归一化表面骰子得分达0.774，前五名团队得分均超过0.69。公开与私有排行榜的排名相关性极低，反映出多数方案存在过拟合特定数据分布的问题，泛化能力不足；而采用面向血管特性的损失函数、平衡式架构设计的方案，在不同测试集上的性能表现更为稳定。针对高分辨率感兴趣区的额外测试显示，优胜方案可适配不同成像配置的数据集，但整体性能仍有提升空间，部分方案需调整推理逻辑以适配大尺寸数据的显存需求。
定性分析发现，微血管断裂是所有方案共有的主要失效模式，尤其在肾皮质外周的纤细迂曲血管区域，部分容积效应与二维推理带来的平面间不一致性，容易导致血管结构不连续；所有方案均存在血管直径低估的系统性偏差，与边界导向的损失函数设计直接相关。此外，现有方案无法有效区分大血管中的动脉与静脉，对塌陷状态的大血管分割效果不佳，难以完整还原肾段动脉的连续结构。
形态学层面的骨架化分析显示，尽管前五名团队的分割指标得分接近，但生成的血管网络拓扑结构存在显著差异，普遍存在连通子图数量偏多、末端节点占比偏高的问题，反映出血管连通性不足的共性缺陷。连通性误差会直接影响后续血流动力学模拟的可靠性，末端节点数量过多会导致模拟结果过度依赖边界条件设置，而非血管网络本身的结构特征。
肾脏微血管三维分割结果可视化对比
创新与亮点
该研究突破了分级相位衬度断层成像这一新型成像模态下三维血管分割的三大核心难题：标注数据稀缺、血管拓扑连通性难以保持、跨数据集成像异质性强。通过全球众包竞赛的模式，快速遍历了深度学习方案的技术空间，提炼出可复用的方法体系，其中迭代式伪标签、表面拓扑复合损失、多维度架构权衡等思路，可拓展至其他新型生物医学成像模态的分割任务。
研究同步开放了经专家校验的金标准数据集、多维度评估指标与顶尖方案代码，为血管分割领域提供了统一研究基准。该技术可直接支撑多尺度血流建模、外泌体运输模拟等研究，服务于人体生物分子图谱的血管坐标框架构建，以及衰老细胞分泌组的运输机制研究，为肾脏生理病理研究、药物递送模拟等场景提供高精度三维血管结构基础。
总结与展望
本研究通过全球机器学习竞赛，系统梳理了适用于分级相位衬度断层成像的三维血管分割技术体系，验证了众包模式在新型成像模态算法研发中的高效性，同时揭示了微血管连通性保持、动静脉自动区分等现存技术挑战。未来研究可进一步拓展训练数据集的器官类型与分辨率覆盖，优化血管拓扑保持的算法设计，结合人在环路的标注迭代模式，推动自动化分割在更多生物医学研究场景中落地应用。
论文信息
声明：本文仅用作学术目的。
Jain Y, Walsh CL, Yagis E, Aslani S, Nandanwar S, Zhou Y, Ha J, Gustilo KS, Brunet J, Rahmani S, Tafforeau P, Bellier A, Weber GM, Lee PD, Börner K. Vasculature segmentation in 3D hierarchical phase-contrast tomography images of human kidneys. Nat Commun. 2026 Jul 3.
DOI:10.1038/s41467-026-74050-8.