基于CNN方向分类器的心脏CT血管造影中冠状动脉中心线条提取
计算机视觉与模式识别
2018-10-25 v2
摘要
心脏CT血管造影（CCTA）图像中的冠状动脉中心线条提取是评估狭窄与动脉粥样硬化斑块的前提。我们提出一种利用卷积神经网络（CNN）从CCTA中提取冠状动脉中心线条的算法。训练一个三维膨胀CNN，基于局部图像块预测CCTA图像中任意给定点处动脉最可能方向与半径。从手动或自动放置于冠状动脉中某处的单个种子点出发，跟踪器利用CNN的预测沿两个方向追踪血管中心线条。当无法以高置信度识别方向时终止追踪。CNN使用MICCAI 2008冠状动脉追踪挑战（CAT08）提供的8幅CCTA图像组成的训练集中的32条手动标注中心线条进行训练。使用CAT08挑战的24幅测试图像评估显示，提取的中心线条与96条手动标注参考中心线条的平均重叠率为93.7%。提取的中心线条点高度准确，与参考中心线条点的平均距离为0.21 mm。在由50幅CCTA扫描组成的第二个测试集中，使用冠状动脉中的5448个标记作为种子点提取单条中心线条，显示提取的中心线条与手动放置的标记高度对应。在包含36幅CCTA扫描的第三个测试集中，全自动种子点与中心线条提取平均实现了92%临床相关冠状动脉节段的提取。所提方法能够准确高效地确定冠状动脉的方向与半径。该方法可用有限训练数据训练，一旦训练完成即可从CCTA图像中快速自动或交互式提取冠状动脉树。
引用
@article{arxiv.1810.03143,
title = {Coronary Artery Centerline Extraction in Cardiac CT Angiography Using a CNN-Based Orientation Classifier},
author = {Jelmer M. Wolterink and Robbert W. van Hamersvelt and Max A. Viergever and Tim Leiner and Ivana Išgum},
journal= {arXiv preprint arXiv:1810.03143},
year = {2018}
}
备注
Accepted in Medical Image Analysis