DOI: https://doi.org/10.1016/j.media.2026.104188
PMID: https://pubmed.ncbi.nlm.nih.gov/42413466
تاريخ النشر: 2026-07-03
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: تقنيات تقسيم الصور الطبية
نظرة عامة
تحدي AortaSeg24 قد أسس معيارًا مهمًا في مجال تقسيم الشرايين المتعددة للفقرات الأبهري من خلال توفير أول مجموعة بيانات شاملة تم توضيحها لـ 23 فرعًا ومنطقة ذات صلة سريرية. يهدف هذا المشروع إلى تسهيل تقسيم دقيق وآلي، وهو أمر حاسم لتحسين التشخيص، وتخطيط العلاج، ومراقبة أمراض الأوعية الدموية. لقد جعل التحدي مجموعة بيانات موضحة، ورمز تقييم، وتنفيذات لأفضل الخوارزميات لدعم جهود البحث المستمرة.
أظهرت الخوارزميات ذات الأداء العالي من التحدي دقة وموثوقية ملحوظة، مما يدل على إمكانياتها للتطبيق المباشر في البيئات السريرية. من خلال تعزيز الابتكار والتعاون، يضع تحدي AortaSeg24 أساسًا قويًا لتقدم الحلول المدفوعة بالذكاء الاصطناعي في تصوير الأوعية الدموية، مما يساهم في تحسين نتائج البحث والنتائج السريرية. يمكن الوصول إلى جميع الموارد المتعلقة بالتحدي على https://aortaseg24.grand-challenge.org.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للأبهر في نظام الدورة الدموية والطبيعة المهددة للحياة لتشريح الأبهر، والتي يمكن أن تؤدي إلى مضاعفات شديدة إذا لم يتم إدارتها بشكل صحيح. لقد حسنت التطورات الأخيرة في التصوير الطبي، وخاصة تصوير الأوعية بالأشعة المقطعية (CTA)، والتدخلات العلاجية مثل الدعامات الوعائية بشكل كبير من تشخيص وعلاج هذه الحالات. ومع ذلك، تعتمد الإدارة الفعالة بشكل كبير على تقسيم دقيق للأبهر إلى فروعه المختلفة والمناطق ذات الصلة سريريًا، كما حددتها جمعية جراحة الأوعية الدموية / جمعية جراحي الصدر (SVS/STS). غالبًا ما تبسط طرق التقسيم الحالية الأبهر إلى نموذج ثنائي، متجاهلة تعقيده التشريحي مما يعيق التقييمات السريرية الدقيقة.
لمعالجة هذه القيود، بدأ المؤلفون تحدي AortaSeg24، الذي يهدف إلى تعزيز تقسيم الأبهر متعدد الفئات. لقد طوروا مجموعة بيانات شاملة تتكون من 100 حجم CTA، تم توضيحها بواسطة خبراء لتحديد 23 فرعًا أبهريًا ومناطق SVS/STS. تعتبر هذه المجموعة تقدمًا كبيرًا في الموارد المتاحة للجمهور لتقسيم الأبهر وتعمل كأساس للتحدي، الذي يوفر منصة موحدة لتقييم خوارزميات التقسيم المبتكرة. يؤكد المؤلفون على أهمية مساهماتهم، بما في ذلك إنشاء مجموعة بيانات AortaSeg24، وتنظيم التحدي، والالتزام بالوصول المفتوح، جميعها تهدف إلى تحسين النتائج السريرية من خلال قياسات أبهري دقيقة وتخطيط علاج مثالي.
طرق
تستعرض قسم طرق تقسيم الأبهر الحالية المشهد الحالي للتقنيات المستخدمة لتقسيم الأبهر، والتي تشمل الأبهر الصاعد، قوس الأبهر، الأبهر الصدري، الأبهر البطني، والشرايين الحرقفية. تركز معظم الطرق بشكل أساسي على تقسيم ثنائي إما للأبهر الصدري أو الأبهر بالكامل، وغالبًا ما تتجاهل التمييز بين فروع الأبهر المختلفة والمناطق (Lyu et al., 2021; Lin et al., 2023; de Carvalho Macruz et al., 2022; Sieren et al., 2022; Comelli et al., 2021; Zhao et al., 2022). بينما تستخدم غالبية الدراسات صور CT أو CTA ثلاثية الأبعاد، فقد بحثت بعض الدراسات أيضًا في التقسيم باستخدام تقنيات MRI ثلاثية الأبعاد والموجات فوق الصوتية.
من الجدير بالذكر أن بعض الأساليب قد تم تطويرها لمعالجة تقسيم التجاويف الحقيقية والزائفة في تشريح الأبهر. على سبيل المثال، يستخدم نموذج ZOZI-seg (Jung et al., 2024) إطار عمل من مرحلتين يجمع بين محول ثلاثي الأبعاد مع U-Net ثلاثي الأبعاد لتحسين تنقيح القوام، مما يتيح تقسيم الأبهر إلى تجويف حقيقي، تجويف زائف، وتجلط. بالإضافة إلى ذلك، اقترح Mu et al. (2023) طريقة تقسم الأبهر إلى تجويف حقيقي وتجلط داخل التجويف باستخدام مجموعة بيانات من 70 حجم CTA ثلاثي الأبعاد. لقد شهدت التطورات الأخيرة انتقال بعض التقنيات من التقسيم الثنائي إلى التقسيم متعدد الفئات، مع التركيز بشكل أساسي على الأبهر الصدري، ومع ذلك لا يزال هناك فجوة كبيرة لتقسيم شامل متعدد الفئات عبر الأبهر بالكامل وفروعه. وهذا يبرز الحاجة الملحة إلى مجموعة بيانات كبيرة، موحدة، ومفتوحة المصدر لتسهيل مثل هذه التقدمات.
نتائج
توضح نتائج التحليل النوعي لنتائج التقسيم في الشكل 6، الذي يقدم كل من التصوير ثلاثي الأبعاد للحقيقة الأرضية والتقسيمات من أفضل خمسة خوارزميات أداء، بالإضافة إلى شرائح CT السهمية مع تقسيمات مضافة. حققت جميع الخوارزميات الخمس، التي استخدمت نفس الهيكل (nnU-Net، Isensee et al., 2021)، دقة عالية مع الحد الأدنى من حالات التقسيم الزائد أو التقسيم الناقص، مع عرض اختلافات طفيفة فقط في نتائجها.
كانت الحالة التي تم تحليلها تحديًا خاصًا بسبب القرب الشديد للشريان السباتي المشترك الأيسر من المنطقة 0 والشريان غير المسمي. تمكنت الخوارزميات الأعلى (A1 و A2) من معالجة هذه التعقيدات بنجاح، بينما حددت الخوارزميات الثلاثة المتبقية بشكل غير صحيح الشريان السباتي المشترك الأيسر كفرع من الشريان غير المسمي بدلاً من المنطقة 1. بشكل عام، تشير النتائج إلى أن الخوارزميات الرائدة أظهرت دقة استثنائية في تقسيم الأبهر، وفروعه، والمناطق المرتبطة.
مناقشة
تسلط قسم المناقشة في الورقة الضوء على مشهد مجموعات بيانات تقسيم الأبهر الحالية والتحديات التي تواجهها في تقسيم الصور الطبية. تشير إلى أنه بينما تهيمن مجموعات البيانات المملوكة على هذا المجال، إلا أن هناك بعض مجموعات البيانات المتاحة للجمهور، مثل ImageTBAD و AVT، ولكن لها قيود في التغطية ودقة التوضيح. على الرغم من أن مجموعة بيانات تشريح الأبهر أكثر شمولاً، إلا أنها لا تزال تفتقر إلى توضيحات تفصيلية للفروع. حققت تحدي SEG.A.2023 تقدمًا في التقسيم الثنائي الآلي للأبهر ولكن لم تعالج تعقيد الفروع أو المناطق الفردية. بالمقابل، كان الهدف من تحدي AortaSeg24 الكبير، الذي تم تنظيمه بمعايير أخلاقية صارمة، هو تعزيز منهجيات تقسيم الأبهر من خلال توفير مجموعة بيانات قوية وإطار تنافسي منظم.
تضمن تحدي AortaSeg24 عملية صارمة من ثلاث مراحل، مما سمح للمشاركين بتطوير والتحقق من نماذجهم باستخدام 50 صورة CTA موضحة. شملت مقاييس التقييم معامل تشابه Dice (DSC) والمسافة السطحية المنضبطة (NSD)، والتي قدمت معًا تقييمًا شاملاً لأداء التقسيم. جذب التحدي مشاركة كبيرة، حيث تم الموافقة على 121 فريقًا وتقدم 16 إلى مرحلة الاختبار. أظهرت الخوارزميات ذات الأداء العالي أساليب مبتكرة، مثل الأطر المتسلسلة والتعلم الدلالي الهرمي، مما أدى إلى تحسين دقة وكفاءة التقسيم. أشارت النتائج إلى أن أفضل خوارزمية أداء حققت DSC قدره 0.782 و NSD قدره 0.817، مما يبرز فعاليتها في التقاط تفاصيل الشكل والحدود للأبهر.
قيود
يقدم تحدي AortaSeg24 عدة قيود تستدعي الانتباه للبحوث المستقبلية. بشكل أساسي، تقتصر مجموعة البيانات على تشريح الأبهر من النوع B غير المعقد (uTBAD)، مما يحد من قابلية تطبيق الخوارزميات المطورة على حالات أبهري أخرى، مثل تشريح النوع A أو تمدد الأوعية. بالإضافة إلى ذلك، قد تؤدي الاستخدام الحصري لتصوير الأوعية بالأشعة المقطعية (CTA) وبروتوكولات التصوير الموحدة إلى إعاقة قابلية تعميم الخوارزميات عبر بيئات سريرية متنوعة. علاوة على ذلك، على الرغم من استخدام توضيحات الخبراء، فإن تباين الملاحظات والتحديات في تقسيم الفروع الأبهري الأصغر قد يؤدي إلى عدم اتساق، مما قد يؤثر على دقة النماذج في تمثيل الميزات التشريحية المعقدة.
لمعالجة هذه القيود، يجب أن تهدف الأبحاث المستقبلية إلى تنويع مجموعة البيانات من خلال تضمين مجموعة أوسع من الأمراض الأبهري ودمج تقنيات تصوير متنوعة، مثل تصوير تدفق 4D MRI، جنبًا إلى جنب مع بيانات من مؤسسات متعددة. سيساهم توسيع نطاق التحدي ليشمل المهام ذات الصلة سريريًا – مثل قياس القطر العرضي للأبهر في كل منطقة أبهري – في تعزيز فائدته لتقييم تقدم المرض وتوجيه قرارات العلاج. أخيرًا، سيكون تطوير نماذج فعالة حسابيًا أمرًا ضروريًا لضمان إمكانية الوصول إليها في البيئات السريرية، خاصة تلك التي تعاني من موارد محدودة.
DOI: https://doi.org/10.1016/j.media.2026.104188
PMID: https://pubmed.ncbi.nlm.nih.gov/42413466
Publication Date: 2026-07-03
Author(s): Zhenyun Du et al.
Primary Topic: Medical Image Segmentation Techniques
Overview
The AortaSeg24 Challenge has established a significant benchmark in the field of multi-class segmentation of the aorta by providing the first extensive dataset annotated for 23 clinically relevant branches and zones. This initiative aims to facilitate precise and automated segmentation, which is crucial for enhancing diagnosis, treatment planning, and monitoring of aortic diseases. The challenge has made available an annotated dataset, evaluation code, and implementations of the leading algorithms to support ongoing research efforts.
The top-performing algorithms from the challenge exhibited remarkable accuracy and robustness, indicating their potential for direct application in clinical settings. By promoting innovation and collaboration, the AortaSeg24 Challenge lays a solid groundwork for advancing AI-driven solutions in vascular imaging, ultimately contributing to improved research and clinical outcomes. All resources related to the challenge can be accessed at https://aortaseg24.grand-challenge.org.
Introduction
The introduction of this research paper highlights the critical role of the aorta in the circulatory system and the life-threatening nature of aortic dissections, which can lead to severe complications if not properly managed. Recent advancements in medical imaging, particularly computed tomography angiography (CTA), and therapeutic interventions such as endovascular stent grafts have significantly improved the diagnosis and treatment of these conditions. However, effective management relies heavily on the precise segmentation of the aorta into its various branches and clinically relevant zones, as established by the Society for Vascular Surgery/Society of Thoracic Surgeons (SVS/STS). Current segmentation methods often simplify the aorta to a binary model, neglecting its anatomical complexity and hindering accurate clinical assessments.
To address these limitations, the authors initiated the AortaSeg24 challenge, which aims to enhance multi-class segmentation of the aorta. They developed a comprehensive dataset comprising 100 CTA volumes, annotated by experts to delineate 23 aortic branches and SVS/STS zones. This dataset is a significant advancement in publicly available resources for aortic segmentation and serves as a foundation for the challenge, which provides a standardized platform for evaluating innovative segmentation algorithms. The authors emphasize the importance of their contributions, including the creation of the AortaSeg24 dataset, the organization of the challenge, and the commitment to open access, all aimed at improving clinical outcomes through precise aortic measurements and optimal treatment planning.
Methods
The section on existing aortic segmentation methods outlines the current landscape of techniques used to segment the aorta, which includes the ascending aorta, aortic arch, thoracic aorta, abdominal aorta, and iliac arteries. Most methods primarily focus on binary segmentation of either the thoracic aorta or the entire aorta, often neglecting the differentiation between various aortic branches and zones (Lyu et al., 2021; Lin et al., 2023; de Carvalho Macruz et al., 2022; Sieren et al., 2022; Comelli et al., 2021; Zhao et al., 2022). While the majority of studies utilize 3D CT or CTA images, some have also investigated segmentation using 3D MRI and ultrasound modalities.
Notably, certain approaches have been developed to address the segmentation of true and false lumens in aortic dissections. For example, the ZOZI-seg model (Jung et al., 2024) employs a two-stage framework combining a 3D transformer with a 3D U-Net for enhanced texture refinement, effectively segmenting the aorta into true lumen, false lumen, and thrombosis. Additionally, Mu et al. (2023) proposed a method that segments the aorta into true lumen and intraluminal thrombosis using a dataset of 70 3D CTA volumes. Recent advancements have seen some techniques transition from binary to multi-class segmentation, primarily focused on the thoracic aorta, yet a significant gap remains for comprehensive multi-class segmentation across the entire aorta and its branches. This underscores the urgent need for a large, standardized, open-source dataset to facilitate such advancements.
Results
The results of the qualitative analysis of segmentation outcomes are illustrated in Figure 6, which presents both 3D renderings of the ground truth and segmentations from the top five performing algorithms, as well as sagittal CT slices with overlaid segmentations. All five algorithms, which utilized the same architecture (nnU-Net, Isensee et al., 2021), achieved high accuracy with minimal instances of oversegmentation or under-segmentation, exhibiting only slight variations in their results.
The case analyzed was particularly challenging due to the close proximity of the left common carotid artery to zone 0 and the innominate artery. The top two algorithms (A1 and A2) successfully addressed this complexity, while the remaining three algorithms incorrectly identified the left common carotid artery as branching from the innominate artery rather than zone 1. Overall, the findings indicate that the leading algorithms demonstrated exceptional accuracy in segmenting the aorta, its branches, and associated zones.
Discussion
The discussion section of the paper highlights the landscape of existing aortic segmentation datasets and the challenges faced in medical image segmentation. It notes that while proprietary datasets dominate the field, a few publicly available datasets, such as ImageTBAD and AVT, exist but have limitations in coverage and annotation granularity. The Aortic Dissection Dataset, although more comprehensive, still lacks detailed branch annotations. The SEG.A.2023 challenge made strides in automated binary segmentation of the aorta but did not address the complexity of individual branches or zones. In contrast, the AortaSeg24 grand challenge, organized with strict ethical standards, aimed to enhance aortic segmentation methodologies by providing a robust dataset and a structured competition framework.
The AortaSeg24 challenge involved a rigorous three-phase process, allowing participants to develop and validate their models using 50 annotated CTA images. Evaluation metrics included the Dice Similarity Coefficient (DSC) and Normalized Surface Distance (NSD), which together provided a comprehensive assessment of segmentation performance. The challenge attracted significant participation, with 121 teams approved and 16 advancing to the testing phase. The top-performing algorithms demonstrated innovative approaches, such as cascaded frameworks and hierarchical semantic learning, leading to improved segmentation accuracy and efficiency. The results indicated that the best-performing algorithm achieved a DSC of 0.782 and an NSD of 0.817, underscoring its effectiveness in capturing both shape and boundary details of the aorta.
Limitations
The AortaSeg24 challenge presents several limitations that warrant attention for future research. Primarily, the dataset is confined to uncomplicated type B aortic dissections (uTBAD), which limits the applicability of the developed algorithms to other aortic conditions, such as type A dissections or aneurysms. Additionally, the exclusive use of computed tomography angiography (CTA) and uniform imaging protocols may hinder the algorithms’ generalizability across diverse clinical settings. Furthermore, while expert annotations were utilized, interobserver variability and challenges in segmenting smaller aortic branches could have led to inconsistencies, potentially impacting the models’ accuracy in representing intricate anatomical features.
To address these limitations, future research should aim to diversify the dataset by including a broader range of aortic pathologies and incorporating various imaging modalities, such as 4D flow MRI, alongside data from multiple institutions. Expanding the challenge’s scope to encompass clinically relevant tasks—such as measuring the cross-sectional diameter of the aorta in each aortic zone—will enhance its utility for assessing disease progression and guiding treatment decisions. Lastly, the development of computationally efficient models will be essential to ensure their accessibility in clinical environments, particularly those with limited resources.