血管CT超分辨不再只看像素：把血管结构单独放进3D标签空间学，断开的门静脉重新连上
核心概要
血管CT超分辨重建出的血管常出现断裂、多余或错误连接，而图像质量指标看不出这些结构错误。VascuSR把血管结构从CT灰度重建中拆出来，先在3D血管标签空间用条件整流流修正血管，再通过轻量控制器把修正后的结构注入扩散解码器，并在每轮重建后重新提取结构形成反馈。在重新标注的MSD Task08与HVM上，它的Dice和clDice优于插值和学习型基线，类别平均连通分量数在两个数据集上均下降超过20%，MSD上平均中心线距离下降超过10%，图像质量与SR骨干相当。
深度剖析
血管CT超分辨的重建结果现在可以按三维血管结构来评价和改善，而不只是看图像像不像。细血管在低分辨率输入里本就分辨不清，同一张低分辨率图可以对应多种看似合理的高分辨率结果，因此视觉上自然的重建仍可能缺少血管、多出血管或把血管接错。 此前的超分辨路线要么只做低分辨率到高分辨率的直接映射，要么在图像或测量域上要求重建与输入一致，要么把分割损失加进生成器一起微调；这些做法改善的是像素或分割分数，并不直接约束血管在三维空间里的连续性与分支关系。 在重新标注的MSD Task08和HVM两个公开增强CT数据集上，VascuSR的Dice与clDice高于双三次插值、RCAN、SwinIR、HAT、ResShift，以及把Dice和soft-clDice损失加进ResShift微调的对照；同时它的PSNR和SSIM与ResShift骨干接近，LPIPS在MSD上最好。
做法是把血管结构单独拿出来学，再把它作为条件送回图像重建。每一轮先从当前超分辨体积里提取血管概率，修正成二值血管条件，再让扩散解码器在这个条件下生成下一版超分辨体积，如此往复。 血管修正由一个条件三维整流流模型承担，它学习从带噪的不完美血管预测走向人工标注的路径；一个轻量多尺度解剖控制器把修正后的三维掩膜按轴位切片转成解码器各层的条件特征，与解码器特征相加。 MSD上反馈轮数取3、HVM取2；消融显示Dice和clDice随反馈提升并在两到三轮后基本稳定，而保留控制器参数但不给解剖条件的0掩膜设置并不能稳定超过ResShift。加入的控制器与FlowSeg3D参数量相对ResShift有限，八条轨迹并行时三轮配置处理一个体积约6分钟。
启示与展望
报告的范围是肝血管增强CT：重新标注的MSD Task08与HVM两个公开数据集，评价覆盖图像质量、血管重叠和三维血管结构，推理按切片进行，三轮配置处理一个体积约6分钟，作者将其定位为可接受的离线体积分析。作者在ImageCAS冠状动脉CTA上给出探索性结果，并明确表示仍需在更多血管系统上做更大规模评估。
作者指出当前框架按切片做超分辨，依赖固定的血管分割器和单独训练的3D修正器，这可能限制体积一致性，并让误差在反馈迭代中累积。消融显示Dice和clDice在约两到三轮后趋于稳定，后续轮次出现波动而非持续增益。HVM的人工标注本身存在孤立碎片和肝静脉汇入下腔静脉处覆盖不全，这解释了该数据集上偏高的连通分量数和约0.60的肝静脉最大连通分量占比。