面向3D打印的精准先天性心脏病模型生成
图像与视频处理
2019-07-15 v2 计算机视觉与模式识别
摘要
3D打印已广泛用于先天性心脏病的临床决策和介入规划，而全心及大血管分割是3D打印模型生成中最重要但耗时的步骤。尽管文献中已开发各种自动全心及大血管分割框架，但当应用于先天性心脏病医学图像时它们效果不佳，因为后者在心脏结构和大血管连接上存在显著变异。为应对该挑战，我们利用深度学习处理规则结构的能力以及图算法处理大变异的能力，提出一种将二者结合的框架用于先天性心脏病的全心及大血管分割。具体而言，我们首先使用深度学习分割四个心腔和心肌，随后分割血池，这些部位变异通常较小。然后我们提取连接信息并应用图匹配来确定所有血管的类型。使用覆盖14种先天性心脏病类型的68例3D CT图像的试验结果表明，与正常解剖下最先进的全心及大血管分割方法相比，我们的方法平均可将Dice分数提高11.9%。分割结果也通过3D打印机输出以进行验证。
引用
@article{arxiv.1907.05273,
title = {Accurate Congenital Heart Disease Model Generation for 3D Printing},
author = {Xiaowei Xu and Tianchen Wang and Dewen Zeng and Yiyu Shi and Qianjun Jia and Haiyun Yuan and Meiping Huang and Jian Zhuang},
journal= {arXiv preprint arXiv:1907.05273},
year = {2019}
}
备注
6 figures, 2 tables, accepted by the IEEE International Workshop on Signal Processing Systems