基于中心线深度世界的强化学习左心耳口部定位
计算机视觉与模式识别
2020-12-21 v2 人工智能
摘要
左心耳（LAA）封堵（LAAC）是一种基于植入物的微创方法，用于预防非瓣膜性房颤患者的心血管卒中。在术前CT血管造影中评估LAA口部对于选择合适的LAAC植入物尺寸与恰当的C臂角度至关重要。然而，由于LAA的高解剖变异性，以及现有CT视图中口部位置与朝向不清，准确口部定位十分困难。深度定位模型在CT图像中定位口部时亦产生高误差，因为相较于CT图像的广阔，口部结构微小。本文中，我们提出一种基于中心线深度的强化学习（RL）世界，用于在小型搜索空间中有效定位口部。在我们的方案中，RL智能体观察中心线到表面的距离并沿LAA中心线导航以定位口部。因此，搜索空间显著缩小，有助于改进定位。所提公式在98张CT图像中相比专家标注可取得高定位精度。此外，定位过程耗时约8秒，比现有方法高效18倍。因此，这可作为LAAC术前规划中医生的有用辅助。
引用
@article{arxiv.1904.01241,
title = {Centerline Depth World Reinforcement Learning-based Left Atrial Appendage Orifice Localization},
author = {Walid Abdullah Al and Il Dong Yun and Eun Ju Chun},
journal= {arXiv preprint arXiv:1904.01241},
year = {2020}
}
备注
10 pages, 6 figures