基于双视角血管造影图像的弱监督三维冠状动脉重建

三维冠状动脉模型重建对于动脉狭窄与斑块的定位、评估和诊断，以及介入手术的辅助导航具有重要意义。在临床实践中，医生使用少数角度的冠状动脉造影来捕获动脉图像，因此直接从冠状动脉造影图像进行三维重建具有很大的实用价值。然而，由于冠状动脉血管形状复杂，以及缺乏数据集和关键点标注，这是一项非常困难的计算机视觉任务。随着深度学习的兴起，越来越多的工作致力于使用深度神经网络从医学图像重建人体器官的三维模型。我们提出一种对抗生成式方法，从冠状动脉造影图像的两个不同视角重建三维冠状动脉模型。通过三维全监督学习和二维弱监督学习方案，我们获得的重建精度优于现有技术（SOTA）。