从血管结构解析肝脏功能解剖—记浙大生仪学院第228期青年学术沙龙

2026年 9月 17日上午 9:30，浙江大学生物医学工程与仪器科学学院（生仪学院）青年学术沙龙暨研究生科研能力提升系列活动，在周亦卿科技大楼一楼会议室顺利举行。本次沙龙特邀加州大学洛杉矶分校（UCLA）博士研究生Zixuan Zhao作题为 “Defining Functional Liver Anatomy from Vascular Structure: A Multi Center, End to End Framework for Interpretable Couinaud Segmentation and Quantitative CT Analysis”的学术报告，由刘华锋教授邀请组织。

Zixuan Zhao目前就读于加州大学洛杉矶分校医学物理与生物医学方向，主要从事医学影像、人工智能与定量医学交叉研究，聚焦具备可解释性、解剖先验约束的个体化影像分析计算方法。在此之前，他于密歇根大学取得电气与计算机工程硕士学位，并留校担任研究工程师，相关研究成果发表于"Medical Image Analysis"、"Journal of Magnetic Resonance Imaging"、"Neural Networks"等国际知名期刊。

报告围绕肝脏个体化解剖精准表征展开，指出精准的肝脏解剖分析对定量影像、外科手术规划及影像引导介入治疗具有重要意义。现有自动化算法大多将肝血管、Couinaud肝段分割与定量测量拆分为独立任务；传统 Couinaud分段多直接做体素分类，没有对决定肝脏功能分区的血管解剖结构进行显式建模。

针对上述痛点，Zixuan Zhao介绍了一套多中心、端到端、具备可解释性的肝脏 CT自动分析框架。该统一工作流集成肝血管分割、血管结构提取、图驱动解剖推理、Couinaud肝段划分以及下游定量分析。该框架不单纯依靠图像灰度特征预测功能肝段，而是显式建模患者肝内血管拓扑与空间关系，推导符合解剖学逻辑的 Couinaud功能分区，建立分割结果与底层解剖结构之间可解释的对应关系。

该研究在多中心临床数据集上完成验证，充分评估模型在异构临床数据上的鲁棒性与泛化能力。除分割精度之外，研究还重点考察解剖一致性，以及算法生成可复现的个体化定量测量指标的能力。该工作打通血管解剖、肝脏功能分区与定量影像分析，推动肝脏影像研究从孤立分割任务迈向肝脏解剖的自动化智能理解。

报告结束后，在场师生结合医学影像 AI、肝脏定量分析等研究方向踊跃提问，围绕模型设计思路、多中心数据处理、临床落地应用等问题展开深入交流探讨。本次学术报告拓宽了在场师生在医学影像智能解析领域的研究视野，为学院相关方向的科研创新与研究生科研能力培养带来新的启发。

图文：庞宇