基于 CNN 的心脏 CTA 扫描解剖标志点检测
计算机视觉与模式识别
2018-04-16 v1
摘要
快速而准确的解剖标志点检测可惠及许多医学图像分析方法。在此，我们提出一种自动检测医学图像中解剖标志点的方法。自动标志点检测由一个基于图像块的完全卷积神经网络（FCNN）执行，该网络结合了回归与分类。对于任意给定的图像块，回归用于预测从图像块到标志点的三维位移向量。同时，分类用于识别包含标志点的图像块。基于靠近标志点的图像块比远离它的图像块能更精确地确定标志点位置的假设，仅使用根据分类包含标志点的那些图像块来确定标志点位置。标志点位置通过利用计算得到的三维位移向量求平均标志点位置获得。该方法通过在冠状动脉 CT 血管造影（CCTA）扫描中检测六个临床相关标志点进行评估：左右冠状动脉开口、左主冠状动脉（LM）分为左前降支和左回旋支的分叉点，以及右、无冠和左主动脉瓣膜交界起点。所提方法对右、左开口的平均欧氏距离误差分别为 2.19 mm 和 2.88 mm，LM 分叉点为 3.78 mm，右、无冠和左主动脉瓣膜交界起点分别为 1.82 mm、2.10 mm 和 1.89 mm，展示了准确的性能。所提回归与分类的结合可用于准确检测 CCTA 扫描中的标志点。
引用
@article{arxiv.1804.04963,
title = {CNN-based Landmark Detection in Cardiac CTA Scans},
author = {Julia M. H. Noothout and Bob D. de Vos and Jelmer M. Wolterink and Tim Leiner and Ivana Išgum},
journal= {arXiv preprint arXiv:1804.04963},
year = {2018}
}
备注
This work was submitted to MIDL 2018 Conference