心脏 CT 扫描中基于多视角 Transformer 的气管-肺比推断：C4R 研究
图像与视频处理
2025-01-16 v1 计算机视觉与模式识别
机器学习
摘要
气管树腔隆与肺部大小之比（ALR），在高分辨率全肺 CT（HR-FL CT）上进行的吸气状态下的评估，是慢性阻塞性肺疾病（COPD）的重要风险因素。日益增长的兴趣在于从心脏 CT 图像推断 ALR，因为心脏扫描在流行病学队列中广泛可用，用于探讨 ALR 与严重 COVID-19 以及 SARS-CoV-2 后期综合征（PASC）的关系。以往的心脏扫描约包含总肺体积的 2/3，切片厚度比 HR-FL CT 高 5-6 倍。本研究提出一种新颖的基于注意力的多视角 Swin Transformer，用于从分割的心脏 CT 扫描推断 FL ALR。在监督训练中，我们利用来自多民族动脏粥样硬化性心脏病（MESA）队列的配对全肺和心脏 CT 数据。我们的网络显著优于直接在分割的心脏 CT 扫描上进行的代理 ALR 推断，准确率和可重复性与 FL ALR 基准相当。
引用
@article{arxiv.2501.08902,
title = {Multi-View Transformers for Airway-To-Lung Ratio Inference on Cardiac CT Scans: The C4R Study},
author = {Sneha N. Naik and Elsa D. Angelini and Eric A. Hoffman and Elizabeth C. Oelsner and R. Graham Barr and Benjamin M. Smith and Andrew F. Laine},
journal= {arXiv preprint arXiv:2501.08902},
year = {2025}
}
备注
Accepted to appear in Proceedings of International Symposium on Biomedical Imaging (ISBI), 2025