基于符号距离场的左心耳分割与统计形状建模
计算机视觉与模式识别
2024-02-13 v1
摘要
房颤患者发生缺血性卒中的风险增加 5-7 倍。在这些病例中，血栓最常见的定位部位是左心耳（LAA），且研究表明 LAA 形状与缺血性卒中风险之间存在相关性。这些研究利用手动测量和定性形状评估，因此容易产生较大的观察者间差异，这可能解释了不同研究结论之间的矛盾。我们认为，定量形状描述符对于稳健地表征 LAA 形态并将其与其他功能参数及卒中风险联系起来是必要的。深度学习方法已逐渐成为从高分辨率图像（如计算机断层扫描 CT）中分割心血管结构的标准方法，但仅有少数方法经过 LAA 分割测试。此外，大多数分割算法生成的 3D 模型不够平滑，不适合进一步处理，如统计形状分析或计算流体建模。在本文中，我们提出了一种用于 LAA 图像分割、网格模型创建和统计形状建模的全自动流程。LAA 解剖结构被隐式表示为符号距离场（SDF），并使用深度学习直接从 CT 图像回归得到。SDF 进一步用于将 LAA 形状配准到公共模板并构建统计形状模型（SSM）。基于 106 个自动分割的 LAA，所构建的 SSM 揭示 LAA 形状可使用约 5 个主成分分析（PCA）模式进行量化，并允许识别对应于所谓“鸡翼型”和“非鸡翼型”形态的两个不同形状簇。
引用
@article{arxiv.2402.07708,
title = {Signed Distance Field based Segmentation and Statistical Shape Modelling of the Left Atrial Appendage},
author = {Kristine Aavild Juhl and Jakob Slipsager and Ole de Backer and Klaus Kofoed and Oscar Camara and Rasmus Paulsen},
journal= {arXiv preprint arXiv:2402.07708},
year = {2024}
}
备注
Onsubmitted paper from 2019