用于腹主动脉瘤分割的 3D 卷积神经网络
计算机视觉与模式识别
2019-03-05 v1
摘要
腹主动脉瘤（AAA）是主动脉的局部扩张，若不治疗，往往会增大并可能破裂。在 AAA 疾病的诊断、预后和随访评估中，一个尚未满足的重要需求是确定破裂风险，目前该风险基于在选定的计算机断层扫描血管造影（CTA）扫描中手动测量动脉瘤直径来确定。然而，由于缺乏能够定量分析 AAA 的鲁棒自动化动脉瘤分割工具，在确定疾病进展程度和速率方面缺乏标准化。在本工作中，我们旨在提出首个用于从术前和术后 CTA 扫描中分割动脉瘤的 3D 卷积神经网络。我们广泛验证了其在直径测量方面的性能，以测试其在临床实践中的适用性，并验证了其相对体积差异以及 Dice 和 Jaccard 分数。所提出的方法产生了 3.3 mm 的平均直径测量误差、8.58 % 的相对体积差异，以及分别为 87 % 和 77 % 的 Dice 和 Jaccard 分数。在临床层面，10 mm 的动脉瘤增大即被视为具有相关性，因此，我们的方法适合自动确定 AAA 直径，并为更复杂的动脉瘤分析提供了机会。
引用
@article{arxiv.1903.00879,
title = {3D convolutional neural network for abdominal aortic aneurysm segmentation},
author = {Karen López-Linares and Inmaculada García and Ainhoa García-Familiar and Iván Macía and Miguel A. González Ballester},
journal= {arXiv preprint arXiv:1903.00879},
year = {2019}
}
备注
Submitted to Medical Image Analysis