一种从CTA图像中自动提取脑血管中心线的框架
图像与视频处理
2024-01-17 v1 计算机视觉与模式识别
摘要
从CTA图像中精确自动提取脑血管中心线在脑血管疾病（如卒中）的诊断和治疗中起着重要作用。然而，由于复杂的脑血管结构、多变的成像质量以及血管病理效应，这项任务仍然具有挑战性。在本文中，我们考虑无需医生额外标注即可自动生成管腔分割，并更有效地利用生成的管腔分割来提升中心线提取性能。我们提出了一种从CTA图像中自动提取脑血管中心线的框架。该框架包含四个主要组成部分：（1）将CTA图像与CT图谱配准并将这些图像分割成输入块的预处理方法；（2）使用图割和鲁棒核回归从标注的血管中心线生成管腔分割；（3）一个双分支拓扑感知UNet（DTUNet），它可以通过拓扑感知损失（TAL）及其双分支设计有效利用标注的血管中心线和生成的管腔分割；（4）对预测的管腔分割进行骨架化的后处理方法。在多中心数据集上的大量实验表明，所提出的框架在平均对称中心线距离（ASCD）和重叠度（OV）方面优于最先进的方法。亚组分析进一步表明，该框架在卒中治疗的临床应用中具有前景。代码公开于https://github.com/Liusj-gh/DTUNet。
引用
@article{arxiv.2401.07041,
title = {An automated framework for brain vessel centerline extraction from CTA images},
author = {Sijie Liu and Ruisheng Su and Jianghang Su and Jingmin Xin and Jiayi Wu and Wim van Zwam and Pieter Jan van Doormaal and Aad van der Lugt and Wiro J. Niessen and Nanning Zheng and Theo van Walsum},
journal= {arXiv preprint arXiv:2401.07041},
year = {2024}
}