VAMPIRE：从 OCTA 图像中提取血管方向与形态信息以预测心血管疾病风险因子
计算机视觉与模式识别
2025-07-29 v1
摘要
心血管疾病（CVD）仍然是全球首要死因，迫切需要开发有效的风险评估方法以进行及时干预。尽管当前研究已经引入了利用深度学习模型从视网膜图像预测 CVD 风险的无创且高效的方法，但与 OCT 血管造影（OCTA）图像相比，常用的眼底照片和光学相干断层扫描（OCT）无法捕捉对 CVD 评估至关重要的详细血管特征。此外，现有方法通常仅将 CVD 风险分类为高或低，而未对 CVD 相关血液因子状况提供深入分析，从而限制了预测准确性和临床实用性。因此，我们提出了一种新颖的多用途 CVD 风险评估范式，该范式联合执行 CVD 风险和 CVD 相关状况预测，符合临床经验。基于这一核心思想，我们引入了 OCTA-CVD，这是首个用于 CVD 风险评估的 OCTA 数据集，以及一种基于 OCTA enface 图像的具有信息增强的血管感知 Mamba 预测模型（VAMPIRE）。我们提出的模型旨在通过两个关键组件提取关键的血管特征：（1）基于 Mamba 的方向（MBD）模块，用于捕捉细粒度的血管轨迹特征；（2）信息增强形态（IEM）模块，用于融合全面的血管形态学知识。实验结果表明，我们的方法可以超越标准分类主干网络、基于 OCTA 的检测方法以及眼科基础模型。我们的代码和收集的 OCTA-CVD 数据集可在 https://github.com/xmed-lab/VAMPIRE 获取。
引用
@article{arxiv.2507.20017,
title = {VAMPIRE: Uncovering Vessel Directional and Morphological Information from OCTA Images for Cardiovascular Disease Risk Factor Prediction},
author = {Lehan Wang and Hualiang Wang and Chubin Ou and Lushi Chen and Yunyi Liang and Xiaomeng Li},
journal= {arXiv preprint arXiv:2507.20017},
year = {2025}
}
备注
Accepted in MICCAI 2025