目的·探討生成式對(duì)抗網(wǎng)絡(luò)（generative adversarial network,GAN）去除冠狀動(dòng)脈（冠脈）CT血管成像（CT angiography,CTA）運(yùn)動(dòng)偽影的作用。方法·納入行單心動(dòng)周期掃描多時(shí)相重建的冠脈CTA受檢者,隨機(jī)選取約80%作為訓(xùn)練組,其余作為驗(yàn)證組用于驗(yàn)證模型的準(zhǔn)確性。研究運(yùn)動(dòng)偽影最明顯的右冠狀動(dòng)脈（right coronary artery,RCA）中段,將截取圖像分為配對(duì)的有偽影圖像和無(wú)偽影清晰參考圖像。根據(jù)訓(xùn)練組建立GAN模型;在驗(yàn)證組中,使用圖像分割軟件ITK-SNAP把血管影像從周圍組織中分割出來(lái),包括有偽影的、GAN生成的和參考圖像。計(jì)算有偽影-參考圖像（dice1）和GAN生成-參考圖像（dice2）的Dice系數(shù)。通過(guò)比較dice1和dice2的差異,評(píng)估GAN去除運(yùn)動(dòng)偽影的效果。結(jié)果·納入90例受檢者,隨機(jī)選取71例（11 000張圖像）為訓(xùn)練組,其余19例（3 006張圖像）為驗(yàn)證組�；谑軝z者,RCA中段dice1和dice2分別為0.38±0.19和0.50±0.23,差異有統(tǒng)計(jì)學(xué)意義（P=0.006）;基于圖像,RCA中段di... 

【文章來(lái)源】：上海交通大學(xué)學(xué)報(bào)(醫(yī)學(xué)版). 2020,40(09)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 對(duì)象與方法
    1.1 研究對(duì)象
    1.2 CTA掃描和對(duì)比劑注射方案
    1.3 圖像預(yù)處理
    1.4 數(shù)據(jù)集組成
    1.5 GAN模型結(jié)構(gòu)
    1.6 GAN訓(xùn)練過(guò)程
    1.7 圖像評(píng)估
    1.8 統(tǒng)計(jì)學(xué)分析
2 結(jié)果
    2.1 研究對(duì)象特征
    2.2 基于受檢者和圖像的相似性評(píng)估
    2.3 基于受檢者的dice2的影響因素
3 討論


【參考文獻(xiàn)】：
期刊論文
[1]生成式對(duì)抗網(wǎng)絡(luò)在醫(yī)學(xué)圖像處理中的應(yīng)用[J]. 潘丹,賈龍飛,曾安,Song Xiaowei.  生物醫(yī)學(xué)工程學(xué)雜志. 2018(06)
[2]冠狀動(dòng)脈CT成像中冠狀動(dòng)脈追蹤凍結(jié)技術(shù)的價(jià)值[J]. 王艷微,邢艷,劉文亞,潘存雪,岳征.  中國(guó)醫(yī)學(xué)計(jì)算機(jī)成像雜志. 2016(02)



本文編號(hào)：3187402