💻 computer science

HTC-SGA Former: A Hybrid Transformer-CNN Network with Self-Guided Attention and a New Boundary-Weighted Adaptive Loss for Coronary DSA Vessel Segmentation

该论文提出了 HTC-SGA Former，这是一种具有自引导注意力机制（Self-Guided Attention）和新型边界加权自适应损失（Boundary-Weighted Adaptive Loss）的轻量化混合 Transformer-CNN 网络，通过有效平衡全局上下文、弱血管恢复和边界精度，在准确分割具有挑战性的冠状动脉 DSA 血管方面显著优于现有的最先进方法。

原作者： Rayan Merghani Ahmed, Marwa Omer Mohammed Omer, Mohamed Elmanna, Shijie Li, Bin Li, Shoujun Zhoua

发布于 2026-06-30

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Rayan Merghani Ahmed, Marwa Omer Mohammed Omer, Mohamed Elmanna, Shijie Li, Bin Li, Shoujun Zhoua

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你心脏的动脉就像是一个复杂而蜿蜒的微型河流网络。医生使用一种被称为 DSA 的特殊 X 射线电影来观察这些河流并寻找阻塞。然而，观察这些图像就像是在繁忙且雾气昭昭的城市街道中，试图寻找一根极其细微、模糊的蛛丝。这些“丝线”（细小的血管）非常微弱，背景噪声很大，而且“街道”像素的数量远多于“丝线”像素。

长期以来，计算机在准确追踪这些丝线方面一直表现挣扎。它们要么会漏掉那些微小、遥远的细枝，要么会被背景噪声所迷惑。

这篇论文介绍了一个名为 HTC-SGA Former 的新计算机程序。你可以把它想象成一个专门为追踪这些微弱河流丝线而设计的超级聪明、高效的侦探。它是这样工作的，我们用简单的类比来解释：

1. 侦探团队：混合小队

大多数计算机程序使用一种类型的“大脑”来观察图像。

旧方法： 一些程序像是局部侦察兵（CNN）。它们擅长观察单棵树枝的即时细节，但当试图理解整片森林时就会迷失方向。
另一种方法： 一些程序像是全局战略家（Transformers）。它们能看到整片森林并理解树木是如何连接的，但往往会忽略单个叶子的微小细节。

HTC-SGA Former 是一个混合团队。它结合了局部侦察兵和全局战略家。

编码器（侦察兵）： 这个系统部分会迅速放大并捕捉血管形状的精细细节。
解码器（战略家）： 这个部分会缩小视野以理解大局，确保血管从心脏到手指尖的连接逻辑通顺。

2. 特殊工具

为了解决“雾气街道中的微弱丝线”这一特定问题，该团队使用了三种特殊工具：

MS-GLWA（“窗口”护目镜）：
想象一下通过窗户看地图。你可以通过玻璃看到整个街区（全局视角），但你也需要近距离观察窗外特定的房屋（局部视角）。这个工具同时实现这两点。它通过观察大局来保持血管的连贯性，同时又同步放大以确保细弱、脆弱的边缘清晰锐利而不模糊。
SGFA（“自我引导”手电筒）：
有时血管非常微弱，以至于融入了背景。这个模块就像是一个计算机可以自行开启的手电筒。它会说：“嘿，我觉得这里可能有一根血管，”然后专门向该区域投射光线，使微弱的信号变得更亮，并忽略干扰性的背景噪声。它帮助计算机找到其他程序会错过的“幽灵”血管。
BWACL（“公正法官”评分卡）：
通常，当计算机尝试学习时，它会变得偷懒。由于背景像素非常多而血管像素很少，计算机可能会对所有像素都猜成“背景”，从而获得高分。
这种新的损失函数（给计算机打分的规则）是一个公正的法官。它规定：

“如果你漏掉了一根细小的血管，那是一个严重的错误！”（它会对错过丝线的行为给予重罚）。
“如果你在没有血管的地方猜出了血管，这也是一个错误，但我们需要平衡这一点。”
它在训练过程中动态地调整评分标准，确保计算机不会忽略图像中那些困难的、细微的部分。

3. 结果：侦探获胜

作者使用来自患者的真实心脏图像，将这个新侦探与 14 种其他顶尖计算机程序进行了对比测试。

准确性： HTC-SGA Former 比其他 14 种方法都能发现更多的微小、细弱血管。它在连接断裂线条和定义锐利边缘方面表现得更好。
效率： 尽管它是最准确的，但它极其轻量化。它仅拥有 0.81 百万个参数。为了直观对比，有些被它击败的方法就像是拥有 5000 万参数的沉重缓慢的卡车，而 HTC-SGA Former 则像是一辆灵巧快速的跑车。
通用性： “公正法官”（BWACL）工具非常出色，以至于当作者将其附加到其他旧的计算机程序上时，那些程序在执行任务时也得到了显著提升。

总结

简而言之，这篇论文介绍了一种全新的、轻量级的计算机系统，它结合了两种不同 AI 风格的优点。它使用特殊的“护目镜”来同时观察大局和微小细节，使用“手电筒”来寻找微弱信号，并使用“公正的法官”来确保它不会忽略图像中困难的部分。其结果是一个能够比目前市面上任何现有方法都更准确、更高效地追踪心脏图像中最细微、最破碎血管的系统。

技术摘要：用于冠脉 DSA 血管分割的 HTC-SGA Former

1. 问题陈述

对数字减影血管造影（DSA）中的冠状动脉进行准确分割，对于冠心病（CAD）的计算机辅助诊断和治疗规划至关重要。然而，现有方法面临着由于 DSA 图像特定特征带来的显著挑战：

细小、低对比度血管： 远端分支通常表现出微弱的信号和低对比度，使其难以检测。
严重的类别不平衡： 血管像素与背景像素的比例极其悬殊，导致模型倾向于预测背景。
全局-局部权衡： 传统的卷积神经网络（CNN）能很好地捕捉局部特征，但在处理长程解剖上下文方面表现乏力；而纯 Transformer 则往往会丢失精细的空间细节，并面临高昂的计算成本。
边界模糊： 运动伪影和重叠的解剖结构导致血管连续性断裂以及边界定位不精确。

目前的先进方法往往无法同时平衡全局上下文推理与对微弱远端血管及精细边界的保留。

2. 方法论：HTC-SGA Former

作者提出了 HTC-SGA Former，这是一个轻量级的混合框架，它集成了一个带有 Transformer 解码器的 CNN 编码器。该架构旨在保留局部血管形态的同时，对长程依赖关系进行建模。

2.1 架构概述

CNN 编码器： 一个轻量级编码器通过四个卷积阶段提取层次化特征。它采用 3×3 卷积、批归一化（Batch Normalization）、ReLU 和 Dropout，随后通过最大池化进行下采样。一个瓶颈模块（Bottleneck block）扩展了通道维度，以在解码前丰富高层语义表示。
Transformer 解码器： 与使用 Transformer 瓶颈层的标准混合模型不同，HTC-SGA Former 将 Transformer 置于解码器中，以逐步增强全局-局部上下文推理能力。

2.2 核心组件

多尺度全局-局部窗口注意力机制 (MS-GLWA)：
- 该模块解决了全局上下文与局部细节之间的权衡问题。
- 局部分支： 使用可分离卷积（深度卷积 3×3 和逐点卷积 1×1）来保留精细的血管形态和边界细节。
- 全局分支： 通过基于窗口的多头自注意力机制捕捉解剖上下文。与标准的 Swin Transformer 不同，它通过多尺度特征表示（使用并行的 1×1、3×3、5×5 和深度卷积）生成查询（Query）、键（Key）和值（Value）张量（QKV）。
- 自适应缩放： 引入了一个可学习的温度参数 ( $\tau$ ) 来自适应地缩放注意力逻辑值（Logits），从而提高在低对比度和高噪声图像中的鲁棒性。
- 融合： 全局和局部特征通过元素级求和进行融合。
自引导特征注意力机制 (SGFA)：
- 旨在优化微弱的血管响应并抑制背景干扰。
- 初步掩码生成： 从解码器特征中生成粗略的血管概率图，作为结构先验。
- 残差注意力： 利用该掩码创建注意力权重，通过残差公式（ $\mathbf{F}_{attended} = \mathbf{F} \odot (1 + \mathbf{A})$ ）增强与血管一致的特征，避免了硬门控（Hard Gating）带来的信息丢失。
- 多尺度上下文： 采用并行空洞卷积（速率分别为 1, 2, 4）在不同尺度上捕捉血管特征，并在融合前进行最终精炼。
边界加权自适应复合损失函数 (BWACL)：
- 一种旨在处理严重类别不平衡并提高细小血管边界保留能力的创新损失函数。
- 边界加权： 生成像素级权重图，通过欧几里得距离变换为识别出的细小血管边界分配更高的权重（最高达 1.5 倍）。
- 复合公式： 结合了加权 Focal Loss（强调难分类像素）和加权 Dice Loss（优化重叠度）。
- 自适应平衡： 引入了一个动态平衡因子 ( $\beta$ )，根据实时误差指标（召回率误差 vs. 边界假阳性误差）调整 Focal 项和 Dice 项的贡献。如果血管恢复效果较差，则增加 Focal 项的权重；如果边界精度不足，则优先考虑 Dice 项。

3. 主要贡献

论文概述了五项主要贡献：

HTC-SGA Former 框架： 一种专门用于冠脉 DSA 分割的轻量级 CNN-Transformer 混合架构，结合了用于局部形态学的 CNN 编码器和用于全局-局部推理的 Transformer 解码器。
MS-GLWA 模块： 一种新型注意力机制，将多尺度窗口自注意力与可分离卷积相结合，在捕捉长程依赖的同时保留精细的血管结构。
SGFA 模块： 一个专注于血管的精炼模块，利用自引导注意力和多尺度上下文来增强微弱血管响应并抑制背景噪声。
BWACL： 一种边界加权自适应复合损失，通过强调细小血管边界并动态平衡血管恢复与边界精炼，解决了类别不平衡问题。
全面验证： 通过广泛的实验证明了该框架优于 14 种最先进的方法，并验证了所提损失函数的跨骨干网络适用性。

4. 实验结果

该方法在一个包含 50 名患者、共 300 组冠脉 DSA 序列（150 组右冠动脉和 150 组左冠动脉图像）的私有数据集上进行了评估，采用了 5 折交叉验证。

与最先进方法的性能对比： HTC-SGA Former 在右冠和左冠子集上的表现均优于 14 种竞争方法（包括 U-Net 变体、纯 Transformer 如 SwinUNet 以及混合模型）。
- 右侧子集： 实现了 88.58% 的召回率 (Recall) 和 88.01% 的 Dice 系数，平均表面距离 (ASD) 为 0.6944。
- 左侧子集： 实现了 85.23% 的召回率 和 82.89% 的 Dice 系数，ASD 为 1.0256。
- 效率： 该模型保持了紧凑的架构，仅有 0.81M 参数，显著少于许多竞争对手（例如，SwinUNet 有 85.9M 参数）。
损失函数的有效性： 当应用于四种标准骨干网络（U-Net, Attention U-Net, U-Net++, Attention U-Net++）时，BWACL 与标准的 BCE+Dice 损失相比，一致提高了召回率和边界指标（ASD/ACD）。
消融研究：
- 添加 MS-GLWA 组件（局部分支、全局分支、增强型 QKV）使性能逐步提升。
- SGFA 模块为边界精度（ASD/ACD 的降低）提供了显著增益。
- 完整的 BWACL 损失产生了最高的召回率和 Dice 分数，证实了其在优化细小血管恢复方面的必要性。
定性分析： 定性比较显示，与其它方法相比，HTC-SGA Former 能更好地保留细小的远端分支，维持血管连续性，并在低对比度区域减少假阳性。

5. 重要性与主张

作者声称 HTC-SGA Former 提供了一种实用且参数高效的解决方案，用于冠脉血管分析。通过将互补的全局-局部上下文建模、血管聚焦精炼以及自适应优化相结合，该框架解决了当前方法在处理微弱远端血管和严重类别不平衡方面的特定局限性。

论文断言，所提方法能够实现可靠且计算高效的冠脉血管分析，支持定量图像分析和未来的计算机辅助心血管干预。作者强调，架构设计（MS-GLWA, SGFA）与优化策略（BWACL）的结合是实现在无需大规模纯 Transformer 模型的高额计算负担下达到高精度的关键。

正如作者所述，未来的工作包括在更大的多中心数据集上验证该框架，研究实时实现方案，并将该方法扩展到其他血管成像任务（视网膜、脑血管、外周血管）和其他造影模态。