Гибридный конвейер для сегментации сонной артерии с использованием YOLOv11n и контурных моделей

Почему это важно для профилактики инсульта

Инсульты часто наступают внезапно, хотя многие процессы начинаются бесшумно в области шеи, где сонные артерии доставляют кровь к мозгу. Врачи могут заметить ранние повреждения этих артерий с помощью ультразвука — быстрого и безболезненного обследования, но аккуратное обведение кровеносного канала вручную на каждом изображении занимает много времени и зависит от оператора. В этом исследовании представлен полностью автоматический метод, который быстро очерчивает сонную артерию в типичных ультразвуковых проекциях, даже на скромном оборудовании, с целью ускорить, сделать более надежной и проще внедряемой оценку раннего риска инсульта в повседневной клинической практике.

Скрытая опасность в сосудах шеи

Сонные артерии могут сужаться по мере накопления жировых отложений в их стенках, что ограничивает кровоток к мозгу и повышает риск инсульта. Поскольку симптомы часто проявляются лишь при значительных повреждениях, регулярный скрининг людей из групп риска — например пожилых, курящих и пациентов с диабетом или сердечными заболеваниями — жизненно важен. Ультразвуковое исследование идеально подходит для такого скрининга: оно дешевое, безопасное и широко доступное. Однако изображения шумные и малоконтрастные, а соседние структуры, такие как яремная вена, могут выглядеть обманчиво похоже на артерию. В результате точное обведение внутренней границы сосуда — «люмена» — остается сложной и продолжительной задачей как для человека, так и для алгоритмов.

Трехступенчатый цифровой помощник для врачей

Авторы разработали гибридный конвейер, имитирующий анализ, который выполнил бы внимательный техник, но реализованный автоматически. Сначала компактный детектор на основе глубокого обучения, современная версия семейства YOLO («You Only Look Once»), сканирует каждое изображение и проводит рамку, плотно охватывающую просвет сонной артерии, как в поперечном сечении (круговой вид), так и по длине (удлиненный вид). Этот шаг фокусирует внимание на нужном участке шеи и показал себя чрезвычайно надежным: модель почти никогда не пропускала сосуд на тестовых данных.

Далее, для поперечных сечений система повышает качество ультразвука внутри этой рамки с помощью тщательно настроенной последовательности фильтров. Она сглаживает зернистый «шум» (speckle), сохраняя границы, повышает локальный контраст, чтобы стенка артерии лучше выделялась, корректирует яркость, проводит более широкое удаление шума и в конце уточняет резкость границы. Эти операции трансформируют «энергетический ландшафт», видимый последующим алгоритмом трассировки контура, делая истинную границу люмена наиболее привлекательным путем для кривой вместо случайных шумовых артефактов.

Интеллектуальные контуры, фиксирующие правильный сосуд

После очистки поперечных сечений классическая модель активного контура — иногда называемая «змейкой» — стартует из рамки детектора и постепенно скользит к ближайшей выраженной границе. Поскольку предобработка усилила истинный край сосуда и уменьшила отвлекающие артефакты, змейка аккуратно располагается вокруг люмена. Для продольных изображений задача другая: исходная рамка детектора может включать и сонную артерию, и яремную вену, которые выглядят похоже — темными, заполненными кровью. Чтобы избежать путаницы, авторы автоматически выделяют вторую, более точную рамку, сканируя внутри первой область самого темного и наиболее однородного фрагмента, типичного для внутренней части артерии, и затем контролированно расширяя её. Эта уточненная область инициализирует модель контура Чана–Везе (Chan–Vese), метод, который формирует границу на основе различий интенсивностей пикселей внутри и снаружи кривой. При правильной инициализации она может проследить длинный, плавно изогнутый просвет, игнорируя соседние вены.

Насколько это действительно работает?

Команда протестировала систему на двух открытых наборах данных: более тысячи поперечных изображений и несколько десятков продольных изображений, каждое с контуром люмена, нарисованным экспертом, для сравнения. Использовали пятикратную перекрестную проверку и отложенные тестовые наборы, чтобы избежать переобучения и имитировать работу на невидимых пациентах. Для поперечных сечений метод достиг коэффициента Dice — меры перекрытия автоматических и экспертных контуров — примерно 91%, при общей точности около 99,6%. Для продольных изображений коэффициент Dice вырос до примерно 95%, а точность — до около 97,7%. Абляционное исследование, в котором последовательно исключали части конвейера, показало, что как начальная локализация, так и настроенная предобработка или генерация уточненной маски были существенными; без них производительность резко падала или алгоритмы становились численно нестабильными.

Что это значит для будущей помощи пациентам

Для неспециалиста эти цифры означают, что недорогое компьютерное решение теперь может обводить кровеносный канал на ультразвуковых снимках сонной артерии почти так же надежно, как обученный специалист, и делать это менее чем за секунду для поперечных сечений даже на обычном ноутбуке. Сочетая современную сеть обнаружения и проверенные методы трассировки кривых, подход обеспечивает как скорость, так и интерпретируемость. При широком внедрении и расширении функциональности для анализа бляшек, а не только просвета, такие инструменты могли бы превратить рутинный ультразвук шеи в более мощную систему раннего предупреждения об инсульте, поддерживая клиницистов стабильными, объективными измерениями везде, где используются ультразвуковые аппараты.

Цитирование: Salama, G.M., Safy, M., Hassanin, D.A. et al. A hybrid pipeline for carotid artery segmentation using YOLOv11n and contour models. Sci Rep 16, 9808 (2026). https://doi.org/10.1038/s41598-026-41007-2

Ключевые слова: ультразвук сонной артерии, скрининг инсульта, сегментация медицинских изображений, глубокое обучение в медицине, сосудистая визуализация