通过虚拟导管路径优化实现基于形态的冠状动脉CT与血管内图像非刚性配准
图像与视频处理
2025-09-10 v2 计算机视觉与模式识别
摘要
冠状动脉CT血管造影（CCTA）提供关于阻塞性冠状动脉疾病的3D信息，但无法充分可视化血管壁内的高分辨率特征。相比之下，血管内成像可在横截面切片中空间分辨动脉粥样硬化，但在捕捉各切片间3D关系上受限。将CCTA与血管内图像共配准可支持多种临床研究应用，但耗时且依赖用户。这是由于血管内图像遭受源自成像导管路径不规则的非刚性畸变。为解决这些问题，我们提出一种基于形态的框架，用于血管内图像与CCTA图像的刚性与非刚性匹配。为此，我们寻找最优虚拟导管路径，该路径在CCTA图像空间中采样冠状动脉以重现血管内图像中观察到的冠状动脉形态。我们使用以分叉标志作为纵向与旋转配准真值的一个40例患者多中心队列验证我们的框架。我们的配准方法在分叉对齐上显著优于其他方法。通过提供可微分的多模态血管共配准框架，我们的框架减少了开展大规模多模态临床研究所需的手工工作，并赋能基于机器学习的共配准方法的发展。
引用
@article{arxiv.2301.00060,
title = {Morphology-based non-rigid registration of coronary computed tomography and intravascular images through virtual catheter path optimization},
author = {Karim Kadry and Abhishek Karmakar and Andreas Schuh and Kersten Peterson and Michiel Schaap and David Marlevi and Charles Taylor and Elazer Edelman and Farhad Nezami},
journal= {arXiv preprint arXiv:2301.00060},
year = {2025}
}
备注
Accepted to IEEE Transactions in Medical Imaging