基于图注意力网络剪枝从增强CT图像重建三维肝脏血管形态
图像与视频处理
2020-03-20 v1 计算机视觉与模式识别
摘要
随着对比剂注入血管,多期增强CT图像可增强人体内血管网络的可见性。从增强CT图像重建肝脏血管的三维几何形态可支持多种肝脏术前手术规划应用。由于肝脏血管的形态复杂性以及不同多期增强CT图像间血管强度的不一致性,肝脏血管形态的自动重建仍具挑战性。另一方面,三维重建要求高完整性以避免决策偏差。本文提出一种结合全卷积神经网络与图注意力网络的肝脏血管形态重建框架。首先训练全卷积神经网络生成肝脏血管中心线热图。随后基于该热图利用图像处理算法追踪出过重建的肝脏血管图模型。我们使用图注意力网络,通过聚合的CNN特征预测初始重建中每个分割分支的存在概率,从而剪除假阳性分支。我们在包含418张含对比剂多期腹部CT图像的院内数据集上评估了所提框架。所提图网络剪枝相较基线将整体重建F1分数提升了6.4%。它也优于其他最先进的曲线结构重建算法。
引用
@article{arxiv.2003.07999,
title = {Graph Attention Network based Pruning for Reconstructing 3D Liver Vessel Morphology from Contrasted CT Images},
author = {Donghao Zhang and Siqi Liu and Shikha Chaganti and Eli Gibson and Zhoubing Xu and Sasa Grbic and Weidong Cai and Dorin Comaniciu},
journal= {arXiv preprint arXiv:2003.07999},
year = {2020}
}