提高3D肝脏血管模型自动分割与分析的效率

肝癌患者的手术评估需要从医学影像中识别血管树。 Specifically, 肝脏血管树——门脏(供血)和肝脏(排血)树对于理解肝脏解剖和疾病状态至关重要，并用于手术规划。本研究旨在通过创建基于深度学习和图像处理技术的自动化管线来提高血管树的3D分割、骨架化及后续分析。本工作的前半部分探讨了可微骨架化方法（如ClDice和形态学骨架化损失）对整体肝脏血管分割性能的影响。为此目的，它研究如何提高血管树的连通性。本研究的后半部分将单类血管分割转换为多类分割，将两个血管树分离。它建立在之前的两类血管分割模型之上，该模型的血管树输出可能相互交织，并基于血管树的连通分量和骨架分析。通过为每个血管树的特定解剖分支提供次标签，这些算法还能够通过提取各种几何标记来进行血管树的形态学分析。总而言之，我们提出的方法成功地改进了当前的骨架化方法，适用于包含不同血管直径的广泛血管树。分离算法创建了血管的干净的多类分割，经外科医生验证可提供低误差。因此创建了一个公开共享的高质量肝脏血管数据集，包含77个案例。最后提供了一种根据解剖学标注血管树的方法，实现了独特的肝脏血管形态学分析。