基于深度卷积神经网络的术后 CTA 图像腹主动脉血栓全自动检测与分割
计算机视觉与模式识别
2018-04-03 v1
摘要
基于计算机断层扫描血管造影（CTA）对经血管内动脉瘤修复术（EVAR）治疗的腹主动脉瘤（AAA）进行随访，对评估患者进展及检测并发症至关重要。在此背景下，需要对术后血栓体积进行准确量化。然而，缺乏自动、鲁棒且可重复的血栓分割算法阻碍了恰当评估。我们提出一种基于深度卷积神经网络（DCNN）的全新方法，用于鲁棒且可重复的血栓感兴趣区域检测及后续精细血栓分割。调整 DetecNet 检测网络以从完整 CTA 中提取感兴趣区域，并提出了一种基于全卷积网络与整体嵌套边缘检测网络的新分割网络架构。这些网络在 13 例不同患者的术后 CTA 体积中采用 4 折交叉验证方法进行训练、验证与测试，以增强结果的鲁棒性。我们的流程对术后血栓分割的 Dice 系数超过 82%，并且在多数常见情况下无需人工干预，即提供介于经验人类观察者方差范围内的真值与自动分割之间的平均相对体积差异。
引用
@article{arxiv.1804.00304,
title = {Fully automatic detection and segmentation of abdominal aortic thrombus in post-operative CTA images using deep convolutional neural networks},
author = {Karen López-Linares and Nerea Aranjuelo and Luis Kabongo and Gregory Maclair and Nerea Lete and Mario Ceresa and Ainhoa García-Familiar and Iván Macía and Miguel A. González Ballester},
journal= {arXiv preprint arXiv:1804.00304},
year = {2018}
}