低剂量胸部 CT 中胸主动脉各段自动分割
计算机视觉与模式识别
2018-10-16 v1
摘要
主动脉的形态学分析及病变识别对于患者的心血管诊断与风险评估十分重要。在未使用对比增强且辐射剂量低的 CT 扫描中，手动标注耗时且繁琐。因此，我们提出一种自动方法，用于在未对比增强的低剂量胸部 CT 中分割升主动脉、主动脉弓和胸降主动脉。分割采用扩张卷积神经网络（CNN）完成，其感受野为 131X131 个体素，该网络对轴向、冠状和矢状图像切片中的体素进行分类。为获得最终分割结果，将三个平面所得各类概率逐类平均，随后将体素分配给具有最高类概率的类别。我们进行了两折交叉验证实验，其中十例扫描用于训练网络，另十例用于评估性能。升主动脉、主动脉弓和降主动脉分别获得了 0.83、0.86 和 0.88 的 Dice 系数，以及 2.44、1.56 和 1.87 mm 的平均对称表面距离（ASSD）。结果表明，所提方法可用于分析胸主动脉病变解剖位置与形态的大规模研究。
引用
@article{arxiv.1810.05727,
title = {Automatic Segmentation of Thoracic Aorta Segments in Low-Dose Chest CT},
author = {Julia M. H. Noothout and Bob D. de Vos and Jelmer M. Wolterink and Ivana Isgum},
journal= {arXiv preprint arXiv:1810.05727},
year = {2018}
}