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學領域頂級期刊《醫學影像分析》（Medical Image Analysis）上發表了題為《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）的創新研究成果?！夺t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，發表的內容常成為領域內的參考標桿，對醫學影像算法、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、支氣管鏡導航系統和支氣管鏡機器人控制系統之中。但這是一項耗時、依賴經驗的工作，有報道指出醫生完整地從患者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，研究團隊創新性提出了“方向感知卷積”的概念，該創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性能和準確性能。
為積極響應學?？萍汲晒D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劃與導航系統的產業化進程，不斷將具有應用前景的科研成果系統性地注入產品開發與轉化鏈條中，實現“科研支撐產業、產業反哺科研”的良性循環。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展戰略步伐，切實履行社會責任，將技術創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
