冠狀動脈數(shù)字圖像造影（CCTA）是一種有效的無創(chuàng)評估冠脈血管狹窄等病變情況的成像技術,對CCTA的自動篩查評估依賴于冠脈管腔的高精度分割。為探索能夠分割出高質量的冠脈官腔的算法,本文進行基于深度學習的端到端分割實驗以及基于中心線先驗信息結合CCTA灰度特征的冠脈管腔分割實驗,其中基于深度學習回歸方法的Polar1DMLP模型能夠結合中心線先驗信息得到較好的分割效果�；诠_數(shù)據(jù)集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78組冠脈截段數(shù)據(jù)進行訓練與驗證,在16段數(shù)據(jù)的驗證集上得到MSD（mean surface distance）為0.169 mm,DICE為0.796。結果表明本文提出的以中心線為導向信息的Polar1DMLP模型能夠較好地整合血管CCTA灰度特征,回歸出較為準確的冠脈血管內壁管腔輪廓半徑,得到較為平滑的冠脈管腔表面模型,本方法有著較大的潛力以及拓展空間。 

【文章來源】：CT理論與應用研究. 2020,29(06)

【文章頁數(shù)】：12 頁

【部分圖文】：

RayCast分割效果

世界坐標中的xyz坐標系以及cMPR空間中的坐標系。圖2數(shù)據(jù)集D2中三位專家標注的一個血管截斷示意（使用紅黃藍三色輪廓線區(qū)別）Fig.2ManualannotationsofasegmentindatasetD2bythreeexpertsspecifiedbyred,yellowandbluecontourline注：白色點為等間距采樣后的中心線點，藍色點為原始標注中的中心線點，紅色箭頭表示t，黃色箭頭表示u，綠色箭頭表示v。圖3cMPR坐標系示意圖Fig.3DiagramofcMPRcoordinatesystem（a）cMPR在xyz坐標系中采樣平面（b）在uvt坐標系中疊放成的三維cMPR數(shù)據(jù)圖4cMPR采樣平面示意Fig.4DiagramofcMPRslices最后，將中心線上等距取得的采樣平面在第三維度進行疊放構成三維cMPR數(shù)據(jù)，得到血管類似拉直的效果（圖4（a）中的白線為中心線，圖4（b）拉直數(shù)據(jù)的正交三視圖在空間中的顯示結果），用于冠脈血管的管腔分割。1.2.2RayCast采樣方法在cMPR的uvt坐標系中，將分割任務簡化為在t軸上的每一幀圖片中尋找血管輪廓（contour），血管輪廓假設為多邊形，在xyz空間中血管內壁模型假設為多段的廣義圓柱模型[16]。因此，為了更好地利用血管管腔輪廓圓周上的連續(xù)性[19]，本文采取RayCast的數(shù)據(jù)iCuvt

3所示，其中白色點為等間距采樣后的中心線點，藍色點為原始標注中的中心線點，紅色箭頭表示t，黃色箭頭表示u，綠色箭頭表示v。由此得到CTA世界坐標中的xyz坐標系以及cMPR空間中的坐標系。圖2數(shù)據(jù)集D2中三位專家標注的一個血管截斷示意（使用紅黃藍三色輪廓線區(qū)別）Fig.2ManualannotationsofasegmentindatasetD2bythreeexpertsspecifiedbyred,yellowandbluecontourline注：白色點為等間距采樣后的中心線點，藍色點為原始標注中的中心線點，紅色箭頭表示t，黃色箭頭表示u，綠色箭頭表示v。圖3cMPR坐標系示意圖Fig.3DiagramofcMPRcoordinatesystem（a）cMPR在xyz坐標系中采樣平面（b）在uvt坐標系中疊放成的三維cMPR數(shù)據(jù)圖4cMPR采樣平面示意Fig.4DiagramofcMPRslices最后，將中心線上等距取得的采樣平面在第三維度進行疊放構成三維cMPR數(shù)據(jù)，得到血管類似拉直的效果（圖4（a）中的白線為中心線，圖4（b）拉直數(shù)據(jù)的正交三視圖在空間中的顯示結果），用于冠脈血管的管腔分割。1.2.2RayCast采樣方法在cMPR的uvt坐標系中，將分割任務簡化為在t軸上的每一幀圖片中尋找血管輪廓（contour），血管輪廓假設為多邊形，在xyz空間中血管內壁模型假設為多段的廣義圓柱模型[16]。因此，為了更好地利用血管管腔輪廓圓周上的連續(xù)性[19]，本文采取RayCast的數(shù)據(jù)iCuvt

【參考文獻】：
期刊論文
[1]《中國心血管病報告2018》概要[J]. 胡盛壽,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,陳偉偉.  中國循環(huán)雜志. 2019(03)
[2]FFR、IVUS、OCT和SPECT指導冠狀動脈臨界病變治療的價值[J]. 王騁,朱水兵,胡德亮,許智惠.  江蘇醫(yī)藥. 2018(05)
[3]基于模糊C均值法的CTA圖像冠狀動脈狹窄量化[J]. 孫巧榆,楊冠羽,舒華忠.  東南大學學報(自然科學版). 2016(01)
[4]結合區(qū)域生長與圖割算法的冠狀動脈CT血管造影圖像三維分割[J]. 姜偉,呂曉琪,任曉穎,任國印.  計算機應用. 2015(05)
[5]基于概率決策和區(qū)域生長的冠狀動脈三維分割[J]. 張朝霞,李宏霄,陳曉冬,郁道銀,賈忠偉,浦奎,王星.  天津大學學報. 2011(05)

碩士論文
[1]冠脈CTA圖像中的血管分割算法研究[D]. 盧倩.河北大學 2019
[2]改進的U-net網(wǎng)絡在冠狀動脈血管分割中的應用[D]. 孟笛.吉林大學 2019



本文編號：3227769