AGMN：基于关联图的图匹配网络用于有创冠状动脉造影中冠状动脉语义标注
计算机视觉与模式识别
2023-12-22 v1 人工智能
摘要
在有创冠状动脉造影（ICA）中对冠状动脉节段进行语义标注，对于冠状动脉疾病（CAD）计算机辅助诊断中冠状动脉狭窄的自动评估和报告生成具有重要意义。受介入心脏病学家解读冠状动脉结构训练过程的启发，我们提出了一种基于关联图的图匹配网络（AGMN）用于冠状动脉语义标注。我们首先从有创冠状动脉造影（ICA）中提取血管树并将其转换为多个独立图。然后，由两个独立图构建关联图，其中每个顶点表示两个动脉节段之间的关系。利用关联图，AGMN通过嵌入模块提取顶点特征，通过图卷积网络聚合来自相邻顶点和边的特征，并解码特征以生成动脉之间的语义映射。通过学习两个独立图之间动脉分支的映射，未标注的动脉节段由已标注节段进行分类以实现语义标注。我们使用包含263张ICA的数据集来训练和验证所提出的模型，并采用五折交叉验证方案。我们的AGMN模型达到了0.8264的平均准确率、0.8276的平均精确率、0.8264的平均召回率和0.8262的平均F1分数，显著优于现有的冠状动脉语义标注方法。总之，我们开发并验证了一种用于ICA中冠状动脉语义标注的高精度、可解释且鲁棒的新算法。
引用
@article{arxiv.2301.04733,
title = {AGMN: Association Graph-based Graph Matching Network for Coronary Artery Semantic Labeling on Invasive Coronary Angiograms},
author = {Chen Zhao and Zhihui Xu and Jingfeng Jiang and Michele Esposito and Drew Pienta and Guang-Uei Hung and Weihua Zhou},
journal= {arXiv preprint arXiv:2301.04733},
year = {2023}
}
备注
26 pages, 7 figures