近日，杭州电子科技大学自动化学院、全省医疗增材制造与信息融合重点实验室王玲教授团队，联合全省肝脏疾病多组学精准诊治重点实验室、浙江大学医学院附属邵逸夫医院等相关团队，在Nature旗下数字医疗顶刊npj Digital Medicine在线发表题为“Physics-informed deep learning enables reliable and scalable organoid quantification for drug screening via OCT”的研究论文。论文DOI为10.1038/s41746-026-02847-4，online，发表日期为2026年6月4日。自动化学院2022级博士研究生李彬为论文第一作者，王玲教授、徐铭恩教授为指导教师。
肿瘤类器官能高度还原患者肿瘤特征，是测试抗癌药效果的“体外替身”，有助于实现个性化精准用药和新药研发。目前，多数药效检测依靠实验终点的静态指标，难以捕捉药物作用过程中类器官生长停滞、结构崩解、组织收缩、细胞重组等动态变化，而这些信息恰恰决定药效评价的准确性。光学相干断层扫描（OCT）可对类器官进行无创、高分辨、长时程三维成像，完整记录其形态演变过程。
然而，要让OCT数据转化为可靠药效指标，需要同时克服成像噪声、类器官异质性和患者间差异等挑战，对计算效率、泛化能力和定量精度均提出较高要求。团队提出DICE 2DSeg方法，将OCT相干成像物理原理与相邻切片空间连续性嵌入网络设计，使模型在散斑噪声、伪影干扰及药物诱导形变中稳定分割类器官结构，为体积、数量、生长曲线及残留结构等关键指标提供高通量、可扩展的三维定量基础。
将OCT成像物理原理融入深度学习算法
常规深度学习的图像分割方法，主要依赖图像本身的色彩、灰度、纹理或边界梯度等特征。然而，图像的这些特征底层受制于成像物理过程，而非单纯的图像清晰度问题。在OCT成像过程中，图像对比度来源于组织折射率不连续处的散射信号，而散斑噪声、深度衰减、培养液面反射、基质胶伪影等，都会在图像域叠加干扰，改变真实结构的表观形态。药物处理后类器官发生碎裂、解体、低对比度残留等现象，使其与背景伪影在局部纹理上高度相似，传统基于单帧图像特征的分割模型极易将伪影误判为结构，或漏检微小残留。
图：OCT切片与三维分割结果对比。
在本研究中，团队创新性地将OCT物理成像原理直接嵌入深度学习网络设计，提出DICE 2DSeg方法。该方法的两个核心模块均源于对成像物理过程的深度利用：
（1）帧内相干增强模块：借鉴OCT光学干涉中的相长、相消和相位对齐等思想，模型学习局部图像块之间的相位关系，增强与类器官结构一致的局部信号，压制孔板反射、培养液面反射、基质伪影和不稳定散斑带来的干扰。这一设计使网络不再只依赖灰度阈值或局部纹理，而是利用与OCT成像过程一致的物理先验，增强真实类器官与背景结构的可区分性。
（2）帧间图上下文模块：利用OCT体数据由连续B-scan构成的特点，真实类器官结构会在相邻切片中连续延展，随机噪声和局部伪影通常缺乏稳定的三维几何延续。DICE-2DSeg将邻近B-scan建模为图节点，通过图结构聚合跨切片上下文，使二维主干在保持高处理效率的同时获得三维空间感知能力。
图：DICE-2DSeg模型结构。
多患者、多癌种、跨设备数据验证方法稳定性
研究共使用1,124个无标签三维OCT体数据，并构建93个标注体数据、35,180张标注B-scan和447,910个标注类器官。数据覆盖7例患者来源类器官：P1为胰腺癌，P2-P6为肝内胆管癌，P7为肝细胞癌；同时包含SS-OCT与SD-OCT两类设备数据。
实验结果显示，DICE-2DSeg的高通量版本相较nnUNet3D实现14倍速度提升，同时精度达到nnUNet3D的93.65%。轻量版整体2D Dice相比GDNet提升12.41%，背景误分割率控制在7%以内。在大规模OCT体数据处理中，该方法能够兼顾效率、稳定性和可扩展性，为类器官高通量三维定量分析提供技术支撑。
基于OCT的纵向三维结构读数，使研究者能够在体外观察个体来源类器官的生长轨迹、药物诱导形态变化和残留结构变化。相关方法可用于类器官药物筛选、体外药物反应定量研究，也为个体生长发育相关精细过程、类器官群落结构演化和多时间点形态动力学分析提供新的定量工具。
图：纵向形态指标与终点ATP活性相关。
期刊介绍
npj Digital Medicine是Nature旗下国际权威数字医学期刊，关注数字与移动技术、虚拟医疗、人工智能和信息学在健康与医疗中的临床应用和实施，覆盖经验证的人工智能与机器学习模型、数字生物标志物、数字孪生、临床信息学和数字化临床实践等主题。JCR 2025发布的2024 Journal Impact Factor为15.1，5-Year Impact Factor为17.0；2026年6月查询的CiteScore为18.20。期刊位列中科院一区Top期刊，在数字医学、医学信息学、人工智能医疗和临床计算应用等交叉方向具有较高国际影响力。
