基于带轮廓正则化混合网络的CCTA扫描冠脉壁分割
图像与视频处理
2020-02-28 v1 计算机视觉与模式识别
摘要
提供冠状动脉闭合且连通良好的边界对于辅助心脏病专家诊断冠心病（CAD）至关重要。近来，已有若干基于深度学习的方法被提出用于医学图像中的边界检测与分割。然而，当应用于冠脉壁检测时，它们往往产生不连通且不准确的边界。本文中，我们提出一种针对冠状动脉的新型边界检测方法，重点关注边界的连续性与连通性。为对连续图像的空间连续性建模，我们的混合架构以一段体数据（即冠状动脉的一段）作为输入，并检测目标切片（即该段的中间切片）的边界。随后，为确保闭合边界，我们提出一种轮廓约束的加权Hausdorff距离损失。我们在包含34名患者的冠脉CT血管造影扫描并采用曲面重建（CCTA-CPR）的动脉横截面数据集上评估了我们的方法。实验结果表明，我们的方法能够生成平滑的闭合边界，其精度优于当前最优方法。
引用
@article{arxiv.2002.12263,
title = {Coronary Wall Segmentation in CCTA Scans via a Hybrid Net with Contours Regularization},
author = {Kaikai Huang and Antonio Tejero-de-Pablos and Hiroaki Yamane and Yusuke Kurose and Junichi Iho and Youji Tokunaga and Makoto Horie and Keisuke Nishizawa and Yusaku Hayashi and Yasushi Koyama and Tatsuya Harada},
journal= {arXiv preprint arXiv:2002.12263},
year = {2020}
}
备注
5 pages, 2 figures, accepted by ISBI 2020