基于边注意力图匹配网络的冠状动脉语义标注
计算机视觉与模式识别
2023-12-22 v1
摘要
冠状动脉疾病（CAD）是全球范围内导致死亡的主要原因之一。冠状动脉中动脉粥样硬化病变的存在是CAD的潜在病理生理基础，而利用有创冠状动脉造影（ICA）准确提取各动脉分支对于狭窄检测和CAD诊断至关重要。我们提出了一种称为边注意力图匹配网络（EAGMN）的创新方法用于冠状动脉语义标注。通过将冠状动脉语义分割任务转化为图节点相似性比较任务，识别节点到节点的对应关系即可为每个动脉分支分配语义标签。更具体地，EAGMN以由两张独立图构建的关联图作为输入。实验结果表明，EAGMN取得了0.8653的加权准确率、0.8656的加权精确率、0.8653的加权召回率和0.8643的加权F1分数。此外，我们采用ZORRO为动脉语义标注的图匹配提供可解释性与可说明性。这些发现凸显了EAGMN利用ICA进行准确高效冠状动脉语义标注的潜力。通过 leverage ICA的固有特性并融入图匹配技术，我们所提模型为改善CAD诊断和治疗提供了有前景的解决方案。
引用
@article{arxiv.2305.12327,
title = {Coronary Artery Semantic Labeling using Edge Attention Graph Matching Network},
author = {Chen Zhao and Zhihui Xu and Guang-Uei Hung and Weihua Zhou},
journal= {arXiv preprint arXiv:2305.12327},
year = {2023}
}