基于Polar1DMLP模型的CCTA冠脈管腔分割方法研究

作者：申云鵬,高雨楓,章品正,於文雪,周壽軍,李寶生,朱健,陳陽

摘要：冠狀動脈數字圖像造影(CCTA)是一種有效的無創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。基于公開數據集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78組冠脈截段數據進行訓練與驗證,在16段數據的驗證集上得到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。

發文機構：東南大學生物科學與醫學工程學院 東南大學計算機科學與工程學院 影像科學與技術實驗室（東南大學） 中國科學院深圳先進技術研究院 山東省腫瘤防治研究院

關鍵詞：冠狀動脈管腔醫學圖像分割深度學習多層感知器coronary artery lumenmedical image segmentationdeep learningmultilayer perceptron

分類號： O242[理學—計算數學]TP391.41[理學—數學]