基于双管网络与拓扑重建的 CT 图像肺动静脉自动分离
图像与视频处理
2021-05-31 v2 计算机视觉与模式识别
机器学习
摘要
随着医学计算机辅助诊断系统的发展，肺动静脉（A/V）分离在辅助医生进行肺癌手术术前规划中起着关键作用。然而，由于动脉与静脉的相似性与复杂结构，在胸部 CT 图像中区分动脉与静脉灌注仍是一项挑战。我们提出一种从胸部 CT 图像自动分离肺动脉与静脉的新方法。该方法由三部分组成。首先，利用全局连接信息与局部特征信息构建完整拓扑树并确保血管重建的连续性。其次，所提出的双管（Twin-Pipe）网络可自动学习不同层级动脉与静脉的差异，以减少因末端血管特征变化引起的分类错误。最后，拓扑优化器考虑分支间与分支内拓扑关系以维持空间一致性，避免 A/V 灌注的误分类。我们在胸部 CT 图像上验证了方法的性能。与人工分类相比，所提方法在非增强胸部 CT 上达到平均准确率 96.2%。此外，该方法已被证明具有良好的泛化性，即对其他设备与其他模态的 CT 扫描分别获得 93.8% 与 94.8% 的准确率。所提方法获得的肺动静脉结果可为肺癌手术术前规划提供更好辅助。
引用
@article{arxiv.2103.11736,
title = {Automatic Pulmonary Artery-Vein Separation in CT Images using Twin-Pipe Network and Topology Reconstruction},
author = {Lin Pan and Yaoyong Zheng and Liqin Huang and Liuqing Chen and Zhen Zhang and Rongda Fu and Bin Zheng and Shaohua Zheng},
journal= {arXiv preprint arXiv:2103.11736},
year = {2021}
}