X射线冠状动脉造影图像序列的前景提取与血管分割的鲁棒实现
计算机视觉与模式识别
2023-02-28 v3
摘要
从X射线冠状动脉造影（XCA）图像序列中提取充盈对比剂的血管，对直观诊断与治疗具有重要临床意义。本研究将XCA图像序列视为三维张量输入，将血管层视为稀疏张量，将背景层视为低秩张量。利用张量核范数（TNN）最小化，提出了一种基于张量鲁棒主成分分析（TRPCA）的血管层提取新方法。此外，考虑到血管的不规则运动及周围无关组织的低频动态扰动，引入全变分（TV）正则化的时空约束以平滑前景层。随后，针对对比度分布不均的血管层图像，采用两阶段区域生长（TSRG）方法进行血管增强与分割。以全局阈值法作为预处理获取主支，并利用Radon-Like特征（RLF）滤波器增强并连接断裂的细小片段，结合两个中间结果构建最终二值血管掩膜。TV-TRPCA算法的前景提取可见性在临床XCA图像序列与第三方数据集上进行了评估，其能有效提升常用血管分割算法的性能。基于TV-TRPCA，进一步评估了TSRG算法用于血管分割的准确率。定性与定量结果均验证了所提方法相对于现有最优方法的优越性。
引用
@article{arxiv.2209.07237,
title = {Robust Implementation of Foreground Extraction and Vessel Segmentation for X-ray Coronary Angiography Image Sequence},
author = {Zeyu Fu and Zhuang Fu and Chenzhuo Lu and Jun Yan and Jian Fei and Hui Han},
journal= {arXiv preprint arXiv:2209.07237},
year = {2023}
}
备注
34pages, 14figures, 5tables