构建合成血管模型:颅内动脉瘤检测场景中的评估
计算机视觉与模式识别
2024-11-06 v1 人工智能
摘要
我们在此提出一种完整的合成模型,能够模拟脑血管树的各个组成部分,包括脑动脉、分叉结构和颅内动脉瘤。该模型旨在提供一个大规模的脑动脉数据集,可供三维卷积神经网络用于高效检测颅内动脉瘤。脑动脉瘤最常发生在血管树的一个特定结构——Willis环上。已有多项研究致力于检测和监测动脉瘤,其中基于深度学习的方法取得了最佳性能。具体而言,在本工作中,我们提出了一种完整的合成三维模型,能够模拟通过时间飞跃法磁共振血管成像技术获取的脑血管结构。在各种磁共振成像模态中,后者能够良好地呈现血管,且具有无创性。我们的模型被设计为同时模拟动脉几何形态、动脉瘤形状以及背景噪声。血管树的几何形态通过三维样条函数插值建模,背景噪声的统计特性则从血管造影采集数据中获取并在模型中重现。在本工作中,我们全面描述了合成血管模型,构建了用于动脉瘤分割与检测的神经网络,最后对因合成模型数据增强所带来的性能提升进行了深入评估。
引用
@article{arxiv.2411.02477,
title = {Building a Synthetic Vascular Model: Evaluation in an Intracranial Aneurysms Detection Scenario},
author = {Rafic Nader and Florent Autrusseau and Vincent L'Allinec and Romain Bourcier},
journal= {arXiv preprint arXiv:2411.02477},
year = {2024}
}
备注
12 pages, 9 figures, accepted for publication in IEEE Trans. on Medical Imaging. arXiv admin note: substantial text overlap with arXiv:2403.18734