用于通过深度神经网络改进动脉瘤分割与检测的血管合成模型
图像与视频处理
2024-03-28 v1 计算机视觉与模式识别
摘要
我们在此提出一个完整的合成模型，能够模拟脑血管树的各种组成部分：脑动脉、分叉处和颅内动脉瘤。构建此模型的目标是提供一个大规模脑动脉数据集，可供 3D 卷积神经网络（CNN）用于分割或检测/识别各种血管疾病（如动脉夹层/血栓形成），甚至脑血管树的某些部分，如分叉处或动脉瘤。在本研究中，我们将特别关注颅内动脉瘤（ICA）的检测与分割。脑动脉瘤最常发生在血管树的一个特定结构上，即 Willis 环。已有各种研究致力于检测和监测 ICA，其中基于深度学习（DL）的研究取得了最佳性能。具体而言，在这项工作中，我们提出了一个完整的合成 3D 模型，能够模拟由磁共振血管造影（MRA）采集的脑血管系统，更具体地说是飞行时间（TOF）原理。在各种 MRI 模态中，MRA-TOF 能够相对较好地渲染血管，并且是无创的（无需注射造影剂）。我们的模型被设计为同时模拟动脉几何形状、ICA 形状和背景噪声。血管树的几何形状通过 3D 样条函数插值进行建模，而背景 MRI 噪声的统计特性则从 MRA 采集数据中收集并在模型中重现。在这项工作中，我们详细描述了合成血管模型，构建了一个用于 ICA 分割和检测的神经网络，并最终对通过合成模型进行数据增强所获得的性能提升进行了深入评估。
引用
@article{arxiv.2403.18734,
title = {A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks},
author = {Rafic Nader and Florent Autrusseau and Vincent L'Allinec and Romain Bourcier},
journal= {arXiv preprint arXiv:2403.18734},
year = {2024}
}