AirMorph: Topology-Preserving Deep Learning for Pulmonary Airway Analysis

要約

肺構造の正確な解剖学的標識と分析と、胸部CTからの周囲の解剖学は、異常のエチロジーを理解したり、標的療法と早期介入を支持したりするためにますます重要になっています。
肺と気道の細胞アトラーゼが試みられていますが、臨床的に展開可能な細粒の形態学的アトラーゼが不足しています。
この作業では、肺のデジタルアトラーゼを作成するために使用できるロバー、セグメント、およびサブセグメント解像度で、完全に自動で包括的な気道の解剖学的ラベル付けを可能にする、堅牢でエンドツーエンドの深い学習パイプラインであるAirMorphを紹介します。
多様な肺条件で構成される大規模なマルチセンターデータセットで評価されたエアモーフは、精度、トポロジーの一貫性、および完全性の観点から、既存のセグメンテーションおよびラベル付け方法を一貫して上回りました。
臨床的解釈を簡素化するために、狭窄、外部、拷問、発散、長さ、複雑さなど、重要な形態学的気道の特徴を定量化するコンパクトな解剖学的署名をさらに導入します。
肺線維症、肺気腫、消滅、統合、網状網状の不透明度などのさまざまな肺疾患に適用されると、強い識別力を示し、高い解釈性と説明可能性を備えた疾患固有の形態学的パターンを明らかにします。
さらに、AirMorphは、効率的な自動化された分岐パターン分析をサポートし、気管支鏡視鏡の航法計画と手続き上の安全性を高める可能性があり、診断の改善、標的治療、およびパーソナライズされた患者ケアのための貴重な臨床ツールを提供します。

要約(オリジナル)

Accurate anatomical labeling and analysis of the pulmonary structure and its surrounding anatomy from thoracic CT is getting increasingly important for understanding the etilogy of abnormalities or supporting targetted therapy and early interventions. Whilst lung and airway cell atlases have been attempted, there is a lack of fine-grained morphological atlases that are clinically deployable. In this work, we introduce AirMorph, a robust, end-to-end deep learning pipeline enabling fully automatic and comprehensive airway anatomical labeling at lobar, segmental, and subsegmental resolutions that can be used to create digital atlases of the lung. Evaluated across large-scale multi-center datasets comprising diverse pulmonary conditions, the AirMorph consistently outperformed existing segmentation and labeling methods in terms of accuracy, topological consistency, and completeness. To simplify clinical interpretation, we further introduce a compact anatomical signature quantifying critical morphological airway features, including stenosis, ectasia, tortuosity, divergence, length, and complexity. When applied to various pulmonary diseases such as pulmonary fibrosis, emphysema, atelectasis, consolidation, and reticular opacities, it demonstrates strong discriminative power, revealing disease-specific morphological patterns with high interpretability and explainability. Additionally, AirMorph supports efficient automated branching pattern analysis, potentially enhancing bronchoscopic navigation planning and procedural safety, offering a valuable clinical tool for improved diagnosis, targeted treatment, and personalized patient care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google