💻 computer science

UPolarSQ: Polar Representation Learning for Optic Disc and Peripapillary Atrophy Segmentation and Quantification in Fundus Photographs

该论文提出了 UPolarSQ，这是一个统一的极坐标域框架，它将近视眼底图像转换为径向剖面图，以改善视盘和视盘周围萎缩的分割，同时实现临床生物标志物的直接、可靠量化。

原作者： Mengxian He, Yunyun sun, Ziyue Gao, Wengkei Lam, Shunyi Zhang, Wu Yuan

发布于 2026-08-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Mengxian He, Yunyun sun, Ziyue Gao, Wengkei Lam, Shunyi Zhang, Wu Yuan

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，试图通过侧面观察来测量一张揉皱的纸的形状。这很混乱，对吧？边缘参差不齐，曲线令人困惑，试图在特定位置画出一条完美的线简直是一场噩梦。这正是医生在观察人类眼底时所面临的问题，特别是针对高度近视（重度近视）患者。在这些眼睛中，视盘（视神经进入眼睛的部位）及其周围组织经常被拉伸和变形，看起来不再像一个整齐的圆圈，而更像是一个奇怪的、破碎的残月。

为了理解发生了什么，医生需要对这些区域进行分割（即画出完美的轮廓）并进行测量。但手动操作既缓慢又枯燥，而且不同的医生可能会画出不同的线条。计算机可以提供帮助，但它们通常尝试使用标准的“正方形”数学来解决这个问题，比如像素网格。当你试图将正方形网격을套合到一个弯曲且拉伸的形状上时，计算机会感到困惑，导致生成的轮廓出现锯齿状或破碎状。这篇论文提出了一个聪明的想法：与其强迫眼睛去适应正方形网格，为什么不改变网格的形状来适应眼睛呢？

论文的核心思想：展开眼睛

由何梦贤（Mengxian He）及其同事领导的研究团队提出了一种观察这些复杂眼部图像的新方法，称为 UPolarSQ。请不要把高度近视的眼底看作一张平坦的正方形图片，而要把它看作一张被包裹在圆柱体上的城市地图。如果你尝试用一张平面地图在那个圆柱体上绘制街道，线条就会发生畸变。但如果你将圆柱体“展开”到一张平整的纸上，街道就会重新变成直线。

这正是 UPolarSQ 所做的。它获取眼部图像，并在极坐标系中将其在数学上“展开”。它不再以左右（x 坐标）和上下（y 坐标）来思考，而是以距离中心的距离和绕圆心的角度（半径和角度）来思考。在这个全新的“展开”视图中，视盘及其周围萎缩组织（受损组织）那些杂乱、弯曲的边界转化成了简单的、垂直的直线。突然之间，一个复杂的二维谜题变成了一个更容易的一维问题：只需测量不同角度下的线条高度即可。

他们是如何构建“展开器”的

为了实现这一点，团队不仅改变了数学逻辑，还构建了一个特殊的计算机大脑，称为 UPolarSeg。标准的 AI 模型擅长识别正方形网格中的模式，但在处理展开圆形时产生的奇特拉伸时却表现不佳。研究人员意识到，在展开后的视图中，“上下”方向（半径）和“左右”方向（角度）的行为方式截然不同。

想象一个披萨。如果你切下一块，饼皮是一条长长的曲线，但从尖端到饼皮的距离是一条直线。在展开的眼部图像中，随着你远离中心， “饼皮”（组织的边缘）会被拉伸。团队在他们的 AI 中加入了一个特殊的模块，使这两个方向能够被分别对待。这就像是给 AI 戴上了两副不同的眼镜：一副用来观察物体随远离中心的变化，另一副用来观察物体随旋转的变化。这有助于 AI 理解形状，而不会被拉伸现象所迷惑。

他们还在训练阶段添加了一个“助手”。在 AI 学习的过程中，它会获得关于形状边缘位置的额外提示，就像一位老师在黑板上指点一样。一旦 AI 训练完成，这个助手就会被移除，因此最终的工具是快速且高效的。

他们的发现

团队在两组患者身上测试了他们的新方法：一组来自他们自己的医院（内部数据），另一组来自不同地点（外部数据），以观察其在不同类型数据上的表现。结果非常令人振奋。

在绘制轮廓方面，他们的方法非常准确。在内部组中，它正确识别视盘的准确率达到 98.36%，识别周围萎缩组织的准确率达到 89.59%。在外部组中，它依然表现出色，视盘识别率为 97.63%，萎缩组织识别率为 77.46%。这意义重大，因为周围的萎缩组织通常是最难寻找的部分，往往看起来像是一个模糊、破碎的残月。

更重要的是，由于在展开视图中形状非常清晰，计算机可以更准确地测量“生物标志物”（医生用于追踪疾病的具体数值）。例如，他们测量受损组织宽度（PPA）时，内部组的误差仅为 2.4 像素，外部组为 6.7 像素。这显著优于他们对比的其他流行 AI 模型，后者的相同测量误差范围在 8.0 到 13.4 像素之间。

为什么这很重要

论文指出，通过改变我们表示图像的方式——从正方形网格转变为“展开”的极坐标图——我们可以让 AI 更好地理解眼睛特定的几何结构。这不仅仅是为了画出一张更好的图，更是为了获得准确的数字。由于测量值直接来源于展开后的线条，因此无需进行繁琐的后期处理或猜测。

研究人员发现，即使在观察不同程度近视（从轻度到重度）的眼睛时，这种方法也同样有效。虽然他们承认目前的数据集规模相对较小，仍需在更多样化的人群中进行测试，但结果表明，这种“展开”技巧是一个强大的工具。它将一个混乱、弯曲的医学谜团转化为了一个直观的测量问题，有望帮助医生更早、更可靠地发现并追踪眼部疾病。

技术摘要：UPolarSQ

问题陈述
近视诱发的后极部重塑经常导致视盘（OD）变形和视盘周围萎缩（PPA），这些是眼科疾病筛查和进展监测的关键结构性生物标志物。然而，在标准的笛卡尔坐标系视网膜底照图像中，PPA 通常表现为紧邻视盘的不规则、部分可见的月牙形几何形状。这种几何特性导致在笛卡尔坐标系下会出现分割边界破碎的问题，从而需要复杂的后处理来进行定量分析。此外，手动描绘非常耗时且容易产生观察者间的差异，特别是在血管阻塞和边界模糊的高近视眼病例中。现有的深度学习方法往往无法显式编码 OD/PPA 解剖结构的内在径向扇区几何特征，导致在建模这些各向异性结构时性能欠佳。

方法论
作者提出了 UPolarSQ，这是一个统一的极坐标域框架，旨在将 OD/PPA 分割与临床生物标志物定量整合在共享的几何表示中。该框架分为三个阶段运行：

以 OD 为中心的极坐标变换：
系统首先使用零样本模型（RetSAM）定位 OD 中心。随后，它裁剪以 OD 为中心的感兴趣区域（ROI），并将其从笛卡尔坐标 $(x, y)$ 映射到极坐标 $(\theta, r)$ 。这种变换将复杂的曲率展开为规则网格，将 2D 边界建模转换为 1D 径向轮廓估计。从理论上讲，这种映射将笛卡尔旋转转换为沿角度轴的线性平移，将笛卡尔缩放转换为径向扩张，从而符合卷积神经网络（CNN）的归纳偏置。
UPolarSeg 分割网络：
为了使标准 CNN 架构适应极坐标域的非均匀几何结构，作者引入了 UPolarSeg，这是一个基于 U-Net 的增强型网络，包含两个特定模块：
- 径向-角度解耦模块（RADM）： 针对极坐标网格的各向异性采样度量问题（即弧长随半径缩放），RADM 执行轴向特定的特征细化。它通过并行各向异性深度卷积分别捕捉径向过渡和角度连续性，将几何先验注入跳跃连接中。
- 边界感知辅助监督： 辅助解码器仅在训练期间激活，利用结合了二元交叉熵（BCE）和软 Dice 损失的方法预测径向边界（OD 及外部 OD/PPA）。这引导共享表示关注具有临床意义的轮廓，且不会增加推理时的计算成本。
极坐标原生生物标志物定量：
不同于需要轮廓拟合或迭代后处理的传统方法，UPolarSQ 直接从预测的极坐标掩模中提取生物标志物。通过识别特定角度下的最大径向索引，系统可以确定性地计算：
- 水平/垂直视盘直径比（HVDR）。
- 最大 PPA 宽度（PMW）。
- PPA/垂直视盘直径比（PVDR）。

核心贡献

极坐标表示分析： 本文将 OD/PPA 分析形式化为以 OD 为中心的极坐标表示，论证了该方法如何将 2D 边界建模转换为径向轮廓估计，并在提供 CNN 归纳偏置的同时暴露了极坐标网格的各向异性。
定制化分割网络： UPolarSeg 的设计通过径向-角度解耦特征细化和边界感知辅助监督，显式地对极坐标几何进行建模，使 CNN 分割能够适应极坐标约束。
统一的定量框架： UPolarSQ 弥合了分割与临床定量之间的鸿沟，实现了“极坐标原生”的生物标志物读数，能够直接从预测的径向轮廓中估计 OD 变形和 PPA 宽度指标。

实验结果
该框架在内部（北京）和外部（西藏）近视底照图像队列上进行了评估。

分割性能： 在内部队列上，UPolarSeg 实现了 98.36% / 89.59% 的 OD/PPA Dice 分数；在外部队列上则为 97.63% / 77.46%。它优于最先进的基准模型（包括 UNet、SwinUNETR 和 TransUNet），尤其是在因形状不规则而更具挑战性的 PPA 分割方面。
定量准确性： 该方法显著降低了临床生物标志物估计的误差。在外部队列上，它在最大 PPA 宽度（6.7 像素）和 PVDR（0.036）方面达到了最低平均绝对误差（MAE）。
鲁棒性： 在低、中、高近视程度的亚组分析中，UPolarSQ 在不同疾病严重程度和领域偏移下均保持了稳定的 PPA 描绘和定量准确性，在解剖变形明显的重度近视病例中表现优于其他模型。
效率： 该模型运行参数量约为 24.9M，与 vanilla UNet 相当，且显著小于 TransUNet 等基于 Transformer 的模型或 RetSAM 等基础模型。

意义与主张
论文声称 UPocalSQ 为集成分析近视结构提供了一种有效的解剖学先验。通过在极坐标系中重新构建问题，该框架将解剖结构、分割学习和生物标志物读数统一在单一坐标系内。作者断言，这种方法不仅提高了不规则视盘周围结构的分割精度，还支持无需复杂后处理即可实现可靠、直接的临床生物标志物估计。研究表明，极坐标表示学习是减少近视分析中估计误差（特别是在外部领域偏移和不同疾病严重程度下）的一种可行策略。

局限性
作者承认存在若干局限性：外部队列规模较小，需要更大规模的多中心数据集以提升泛化能力；该框架依赖于准确的 OD 定位，而这可能会受到严重伪影或极端视盘变形的影响；目前的生物标志物读数完全源自分割掩模，这表明未来需要结合纵向预后数据，以充分明确其临床价值。

技术摘要：UPolarSQ

类似论文