《Frontiers in Cell and Developmental Biology》:Vision–language semantic guidance and topology refinement for robust retinal vessel segmentation and biomarker analysis in cerebral small vessel disease
编辑推荐:
摘要专业翻译
背景: 在光学相干断层扫描血管成像(OCTA)中观察到的视网膜微血管改变已成为脑小血管病(CSVD)的潜在生物标志物。然而,由于成像噪声、投影伪影、低对比度和结构不连续等因素,OCTA衍生的血管生物标志物的准确定量化仍面临挑战,这些因素常导致不可
摘要专业翻译
背景: 在光学相干断层扫描血管成像(OCTA)中观察到的视网膜微血管改变已成为脑小血管病(CSVD)的潜在生物标志物。然而,由于成像噪声、投影伪影、低对比度和结构不连续等因素,OCTA衍生的血管生物标志物的准确定量化仍面临挑战,这些因素常导致不可靠的血管分割和扭曲的血管拓扑结构。
目的: 为应对上述挑战,研究人员提出SemTopNet,一种用于OCTA血管分割的语义-拓扑联合建模框架。
方法: 该框架在统一架构中整合了视觉-语言语义引导、中心线引导的拓扑细化以及不确定性感知的自适应监督。具体而言,引入语义嵌入以增强全局结构表征,同时中心线引导的拓扑细化模块显式改善血管连续性并抑制碎片化预测。此外,采用基于蒙特卡洛dropout的不确定性估计以提高模糊和低信噪比区域的鲁棒性。
结果: 在CSVD OCTA数据集上的大量实验表明,SemTopNet持续优于现有基于卷积和Transformer的分割方法,在Dice相似系数(0.8931)、clDice(0.9027)、召回率(0.9293)和AUC(0.9567)方面均取得最佳性能。消融研究进一步验证了语义建模、拓扑感知细化和不确定性感知监督的有效性。基于所获得的分割结果,进一步分析了定量视网膜血管生物标志物,揭示了CSVD患者中显著的层依赖性微血管改变,尤其在深层血管复合体(DVC)中。
结论: 这些发现表明,拓扑一致的OCTA血管分割对于可靠的视网膜微血管量化至关重要。所提出的SemTopNet为CSVD相关研究中OCTA生物标志物提取及视网膜-脑血管关联分析提供了稳健的框架。
论文解读文章
一、研究背景与问题
视网膜微血管系统与脑微血管系统在发育、解剖和生理上具有相似性,这使得OCTA衍生的血管指标有望成为CSVD及相关神经退行性疾病的影像生物标志物。已有研究报告CSVD患者出现视网膜血管密度降低和毛细血管稀疏,并与白质高信号负荷等MRI标志物显著相关。然而,OCTA图像本质上受散斑噪声、投影伪影、运动畸变和信号衰减的影响,这些因素可能破坏血管连续性并引入虚假血流信号。现有深度学习方法主要基于像素驱动的卷积模型,依赖局部外观线索,未显式施加结构连通性约束,导致分割结果在细分支和低对比度区域容易出现结构不连续。尽管已有研究引入拓扑感知损失和骨架保持约束,但在OCTA血管分割中,拓扑感知方法仍未得到充分探索,且结构一致性对OCTA成像固有的噪声和局部模糊性仍然敏感。此外,现有不确定性感知方法主要关注置信度估计和错误检测,很少与结构连通性或拓扑一致性约束相结合。因此,如何在统一框架中联合建模高层语义、全局血管拓扑和预测可靠性,仍是亟待解决的开放问题。
二、研究内容与意义
针对上述挑战,研究人员提出SemTopNet,一个专门用于OCTA血管分割的语义-拓扑联合建模框架。该框架通过整合语义约束、拓扑感知学习和不确定性估计,增强结构连续性、抑制虚假连接并提高复杂成像条件下的鲁棒性。研究的意义在于:拓扑一致的OCTA血管分割对于可靠的视网膜微血管量化至关重要,所提出的框架为CSVD相关研究中OCTA生物标志物提取及视网膜-脑血管关联分析提供了稳健的工具。研究还提供了支持OCTA生物标志物在CSVD相关疾病研究中潜力的实证证据。
三、关键技术与方法
研究人员构建了双U形编码器-解码器架构,包含基于Transformer的语义-拓扑分支和卷积分割分支。语义-拓扑分支通过视觉-语言跨模态交互将描述视网膜血管特征的语义信息嵌入特征交互过程,经ViT编码器进行全局建模,输出编码血管结构骨架和全局拓扑趋势的中心线特征图。卷积U-Net分支并行进行多尺度特征提取与重建,生成血管特征表示。两个分支通过中心线引导的拓扑细化模块(CGTR)在对应分辨率层级进行交互,该模块执行差异感知残差调制,通过局部卷积投影、ReLU激活的差异项和Sigmoid门控实现弱响应放大和中心线受控融合。训练中采用蒙特卡洛dropout进行T=8次随机前向传播以估计预测均值与不确定性方差,构建归一化像素级权重图并形成不确定性加权交叉熵损失。总损失函数由Dice+BCE分割损失、clDice拓扑损失和不确定性损失加权组合而成。数据集方面,分割模型使用120例CSVD患者和40例健康对照的OCTA图像,按参与者级别以60%、20%、20%划分训练、验证和测试集;下游统计分析采用40例CSVD患者与40例健康对照的1:1平衡队列。所有OCTA数据均使用德国Heidelberg OCTA系统采集,扫描区域为以黄斑为中心的3mm×3mm,输出512×512像素的二维en-face投影,包括浅层血管复合体(SVC)、中间血管复合体(IVC)和深层血管复合体(DVC)。
四、研究结果
4.1 对比实验结果
研究人员将SemTopNet与ResUNet、U-Net、nnUNet、MTR-DNET、OCT2-Former等六种代表性方法进行比较。定性分析显示,在血管分叉区域,多数对比方法在分支点出现不连续或局部碎片化,而SemTopNet产生更连续和拓扑一致的血管结构;在噪声或低对比度条件下,对比方法出现过度分割或虚假响应,而SemTopNet有效抑制不可靠预测并减少噪声诱导伪影。定量结果表明SemTopNet在所有评估指标上均取得最佳性能:DSC为0.8931、clDice为0.9027、Recall为0.9293、AUC为0.9567,表明其在整体分割精度、拓扑保持、细微血管检测敏感性和血管-背景区分能力方面均优于现有方法。
4.2 消融实验结果
消融研究验证了语义建模、拓扑感知细化和不确定性感知监督三个组件的有效性。语义建模增强全局结构表征能力,拓扑感知细化改善血管连续性和连通性保持,不确定性感知监督提高低信噪比区域的预测稳定性,三者联合实现了最佳的整体性能。
4.3 生物标志物分析结果
基于分割结果进一步计算血管密度和血管迂曲度等形态学生物标志物,用于CSVD相关研究的视网膜-脑血管关联分析。分析揭示了CSVD患者中显著的层依赖性微血管改变,尤其在深层血管复合体(DVC)中表现最为突出。
五、讨论与结论
研究结果表明,拓扑一致的OCTA血管分割对于可靠的视网膜微血管量化至关重要。SemTopNet通过联合建模语义一致性和拓扑规则性,实现了整体血管拓扑与细粒度局部细节的协同建模,在复杂成像条件下显著改善了结构一致性、分割稳定性和视网膜微血管的拓扑完整性。不确定性感知策略有效抑制了噪声条件下的不可靠响应,提高了预测稳定性。研究结论为:所提出的SemTopNet为CSVD相关研究中OCTA生物标志物提取及视网膜-脑血管关联分析提供了稳健的框架,这些发现支持OCTA生物标志物在CSVD相关疾病研究中的潜在应用价值。