基于深度全卷积网络的 CT 扫描中主动脉血管树分割
图像与视频处理
2023-05-18 v1 计算机视觉与模式识别
摘要
在计算机断层扫描（CT）中自动且准确地分割主动脉血管树（AVT）对于主动脉疾病（如动脉瘤、夹层和狭窄）的早期检测、诊断和预后至关重要。然而，由于主动脉血管树的复杂性和 CT 血管造影数据的数量，该任务仍存在挑战。在本技术报告中，我们使用两阶段全卷积网络（FCNs）自动分割来自多中心的 CTA 扫描中的 AVT。具体而言，我们首先采用具有 U 形网络架构的 3D FCN 分割 AVT，以产生拓扑注意力并加速医学图像分析流程。然后训练另一个 3D FCN 沿 AVT 的伪中心线分割 AVT 分支。在 2023 MICCAI 主动脉分割（SEG.A.）挑战赛中，所报告的方法在 56 例的公共数据集上进行了评估。在训练和验证集的 5 折随机划分上，所得 Dice 相似系数（DSC）为 0.920，Jaccard 相似系数（JSC）为 0.861，召回率为 0.922，精确率为 0.926。
引用
@article{arxiv.2305.09833,
title = {Segmentation of Aortic Vessel Tree in CT Scans with Deep Fully Convolutional Networks},
author = {Shaofeng Yuan and Feng Yang},
journal= {arXiv preprint arXiv:2305.09833},
year = {2023}
}
备注
7 pages, 1 figure, 1 table