新研究攻克右心房分割难题。 近日，暨南大学副教授白杰云、教授张晓慎团队联合奥克兰大学、曼彻斯特大学等国际机构研究者，创新性地提出了基于3D深度学习网络RASnet的两阶段分割框架，首次在延迟钆增强磁共振成像（LGE-MRI）中实现右心房的高精度自动化分割，建立了该领域的基准模型，为心脏疾病的精准评估提供了关键工具。相关成果发表于《IEEE医学成像汇刊》。
人工智能助力右心房的数字化。研究团队供图，下同
研究团队提出的两阶段分割网络。
?
该研究的核心突破在于：首次建立了LGE-MRI右心房分割的基准框架，解决了长期以来该领域缺乏标准化方法和公开数据集的问题；RASnet通过融合多尺度特征与全局上下文，精准捕捉右心房复杂解剖结构（如界嵴、梳状肌等），为临床提供了右心房腔体大小、形态、体积的量化工具；提供的开源代码（https://github.com/zjinw/RAS）和数据集（https://zenodo.org/records/15524472），将推动该领域的标准化研究与临床转化。
在临床应用中，该框架可助力房颤患者的右心房重构评估、肺动脉高压的预后判断等。例如，通过精准分割右心房并量化其体积变化，能更早预测三尖瓣反流进展，优化手术干预时机。同时，自动化分割大幅减少人工标注时间，为大规模临床研究和随访监测提供高效工具。（来源：中国科学报 朱汉斌）
相关论文信息：https://10.1109/TMI.2025.3590694
作者：白杰云等 来源：《IEEE医学成像汇刊》
