基于解剖结构特征的半监督识别方法在椎基底动脉显微血管减压术中的应用

《MEDICAL PHYSICS》：Anatomical feature-guided semi-supervised recognition of the vertebrobasilar artery for microvascular decompression

微血管减压术（MVD）中椎基底动脉的准确定位依赖血管与神经的空间关系解析。本研究提出结合多尺度不确定交叉伪标签网络与残差自适应注意力模块的半监督方法，在少量标注数据（训练58例、验证8例、测试13例）下有效分割椎基底动脉，保持血管整体结构的同时降低伪标签影响，临床验证显示可精准定位病灶与三叉神经关系，为MVD手术规划提供可视化参考。

　　

摘要

背景

微血管减压（MVD）手术是一种常用于治疗三叉神经痛的外科手术，其原理是解除负责压迫的血管的压力。对椎基底动脉进行精确的分割可以为医生提供更直观的空间位置关系，从而有效提高MVD的成功率。近年来，各种基于学习的方法被广泛用于动脉分割。然而，在标记数据较少的复杂颅底结构中精确分割椎基底动脉仍然是一个挑战。

目的

本研究旨在利用基于解剖特征的半监督自动化识别方法，在临床数据中识别出负责MVD的血管。

方法

我们提出了一种具有残差自适应注意力模块的多尺度不确定性交叉伪标记网络。通过多个解码器层次生成不同尺度的预测结果，强调预测的可靠部分并忽略置信度低的区域，从而使不同尺度的预测结果保持一致。同时，我们设计了一个名为Res-AdaptiveAttention的模块，该模块能够利用与椎基底动脉相关的先验知识。

结果

实验表明，我们的方法能够在最少注释标签的情况下保持椎基底动脉的整体结构，在各种指标上均优于现有的半监督方法。在数据集方面，本文将数据分为训练集、验证集和测试集，训练集包含58个案例，验证集包含8个案例，测试集包含13个案例。此外，通过对临床数据的评估，该方法能够准确显示病变位置，具有重要的临床应用价值。

结论

我们的方法能够准确分割临床数据中的椎基底动脉，并为其与三叉神经的位置关系提供视觉解剖参考。这项工作为MVD术前规划奠定了基础，未来的研究将重点量化分割出的动脉与三叉神经在多个解剖位置上的位置关系，以提高临床适用性。

利益冲突声明

作者声明没有利益冲突。