基于DenseRAUnet的心脏与胸部CT自动钙化评分
图像与视频处理
2019-07-29 v1 计算机视觉与模式识别
摘要
心血管疾病（CVD）是一种常见且严重威胁人类健康的疾病，具有高患病率、高致残率和高死亡率的特点。冠状动脉钙化（CAC）量是CVD风险评估的有效因子。传统上，CAC使用ECG同步心脏CT进行量化，但很少基于常规胸部CT扫描。然而，与ECG同步心脏CT相比，胸部CT在临床实践中更为普及且经济。为此，我们提出一种基于Dense U-Net的自动方法，在两类CT扫描上分割冠状动脉钙化像素。我们的贡献有两点。首先，我们提出一种称为DenseRAUnet的新型网络，其利用了Dense U-net、ResNet与空洞卷积的优势。我们通过仅在胸部CT上训练而在两类CT扫描上测试，证明了我们模型的鲁棒性与泛化能力。其次，我们设计了一种结合bootstrap与IoU函数的损失函数以平衡前景与背景类。DenseRAUnet以2.5D方式训练，并在由144次扫描组成的私有数据集上测试。结果显示F1分数为0.75，对心血管疾病风险预测的准确率为0.83。
引用
@article{arxiv.1907.11392,
title = {Automatic Calcium Scoring in Cardiac and Chest CT Using DenseRAUnet},
author = {Jiechao Ma and Rongguo Zhang},
journal= {arXiv preprint arXiv:1907.11392},
year = {2019}
}