用于心脏 CT 血管造影中冠状动脉分割的图卷积网络
图像与视频处理
2019-08-16 v1 计算机视觉与模式识别
摘要
在冠状动脉 CT 血管造影（CCTA）中检测冠状动脉狭窄需要高度个性化的包绕冠状动脉管腔的表面网格。在这项工作中，我们提出使用图卷积网络（GCNs）来预测包绕冠状动脉管腔的管状表面网格中顶点的空间位置。对单个顶点位置的预测基于局部图像特征以及网格图中相邻顶点的特征。该方法使用公开可用的冠状动脉狭窄检测与量化评估框架进行训练和评估。自动提取了包绕完整冠状动脉树的表面网格。对 78 个冠状动脉节段的定量评估显示，这些网格与参考标注密切对应，在健康/病变血管节段中的 Dice 相似系数为 0.75/0.73，平均表面距离为 0.25/0.28 mm，Hausdorff 距离为 1.53/1.86 mm。结果表明，在 GCN 中包含网格信息相比无网格交互的基线模型改善了分割重叠和精度。结果表明，GCNs 能够实现冠状动脉表面网格的高效提取，并且使用 GCNs 可得到规则且更精确的网格。
引用
@article{arxiv.1908.05343,
title = {Graph Convolutional Networks for Coronary Artery Segmentation in Cardiac CT Angiography},
author = {Jelmer M. Wolterink and Tim Leiner and Ivana Išgum},
journal= {arXiv preprint arXiv:1908.05343},
year = {2019}
}
备注
MICCAI 2019 Workshop on Graph Learning in Medical Image (GLMI)