AGFA-Net：基于注意力引导和特征聚合的冠状动脉CT血管造影分割网络

冠状动脉疾病（CAD）仍然是一种普遍的心血管疾病，对全球健康构成重大风险。这种病理以冠状动脉壁斑块积聚为特征，导致心肌缺血和各种症状，包括胸痛和呼吸急促。从冠状动脉CT血管造影（CCTA）图像中准确分割冠状动脉对于诊断和治疗计划至关重要。传统分割方法在处理低对比度图像和复杂解剖结构时面临挑战。在本研究中，我们提出了一种基于注意力引导、特征聚合的3D深度网络（AGFA-Net），用于使用CCTA图像进行冠状动脉分割。AGFA-Net利用注意力机制和特征细化模块来捕获显著特征并提高分割精度。在包含1000次CCTA扫描的数据集上的评估表明，AGFA-Net性能优越，在5折交叉验证中实现了平均Dice系数相似度86.74%和Hausdorff距离0.23 mm。消融研究进一步验证了所提出模块的有效性，突出了它们对提高分割精度的贡献。总体而言，AGFA-Net为冠状动脉分割提供了稳健可靠的解决方案，解决了不同血管尺寸、复杂解剖结构和低图像对比度带来的挑战。