从单一起点自动追踪类血管结构
计算机视觉与模式识别
2017-06-09 v1
摘要
血管网络的识别是医学图像分析领域的一个重要课题。虽然大多数方法侧重于单根血管追踪，但现有的少数用于追踪完整血管网络的解决方案通常计算量大且需要大量用户交互。本文提出一种利用单一起点迭代追踪完整血管网络的方法。我们的方法基于分布在同心球壳层上的采样点云。我们还提出了一个血管模型以及一个衡量采样点与该模型拟合程度的度量。然后，我们将网络追踪实现为一个最小代价流问题，并提出一种新颖的优化方案，通过固有地处理分叉和路径来迭代追踪血管结构。该方法在合成图像和真实图像上均进行了测试。在 9 个不同的合成血管数据集上，我们取得了超过 98% 的最高准确率。我们进一步使用合成数据集分析了我们的方法对参数设置的敏感性，展示了所提算法的鲁棒性。对于真实图像，我们使用冠状动脉、颈动脉和肺部数据分割血管结构并展示了可视化结果。同样对于真实图像，我们展示了嗅觉系统中神经纤维网络的数值和可视化结果。进一步的可视化结果也显示了我们的方法在识别血管网络拓扑方面的潜力。所提出的方法在测试的多个不同数据集上均取得了良好结果，并具有分割类血管结构的潜力。此外，固有提取的拓扑信息可用于进一步分析，以辅助计算机辅助诊断和手术规划。最后，该方法的模块化特性为面向问题的调整和改进保留了潜力。
引用
@article{arxiv.1706.02434,
title = {Automatic tracking of vessel-like structures from a single starting point},
author = {Dario Augusto Borges Oliveira and Laura Leal-Taixe and Raul Queiroz Feitosa and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:1706.02434},
year = {2017}
}