SDF4CHD：基于生成建模的先天性心脏病心脏解剖结构合成
组织与器官
2023-11-09 v2 计算机视觉与模式识别
图像与视频处理
摘要
先天性心脏病（CHD）涵盖一系列心血管结构异常，通常需为个体患者制定定制化治疗方案。对这些独特心脏解剖结构进行计算建模与分析可改善诊断与治疗规划，并可能最终改善预后。深度学习方法（DL）已展现出通过为正常心脏解剖患者自动进行心脏分割与网格构建来实现高效治疗规划的潜力。然而，CHD 通常较为罕见，使得获取足够大的患者队列来训练此类 DL 模型具有挑战性。心脏解剖结构的生成建模有潜力通过生成虚拟队列填补这一空白；然而，先前的方法主要面向正常解剖结构设计，无法轻易捕捉 CHD 患者中显著的拓扑变异。因此，我们提出一种类型与形状解耦的生成方法，适用于捕捉不同 CHD 类型中观察到的广泛心脏解剖谱，并合成保留特定 CHD 类型独特拓扑的不同形状心脏解剖结构。我们的 DL 方法基于 CHD 类型诊断，使用符号距离场（SDF）隐式表示具有 CHD 类型特异性异常的通用全心解剖结构，其便捷地捕捉了跨类型的分歧解剖变异并表示了有意义的中间 CHD 状态。为捕捉形状特异性变异，我们随后学习可逆形变以变形所学习的 CHD 类型特异性解剖结构并重建患者特异性形状。我们的方法有望为较罕见 CHD 类型扩充图像-分割配对以用于心脏分割，并生成 CHD 心脏网格队列用于计算模拟。
引用
@article{arxiv.2311.00332,
title = {SDF4CHD: Generative Modeling of Cardiac Anatomies with Congenital Heart Defects},
author = {Fanwei Kong and Sascha Stocker and Perry S. Choi and Michael Ma and Daniel B. Ennis and Alison Marsden},
journal= {arXiv preprint arXiv:2311.00332},
year = {2023}
}