基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

摘要：

冠状动脉数字图像造影(CCTA)是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术,对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割.为探索能够分割出高质量的冠脉官腔的算法,本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验,其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果.基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证,在16段数据的验证集上得到MSD(mean surface distance)为0.169mm,DICE为0.796.结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征,回归出较为准确的冠脉血管内壁管腔轮廓半径,得到较为平滑的冠脉管腔表面模型,本方法有着较大的潜力以及拓展空间.

关键词：冠状动脉管腔、医学图像分割、深度学习、多层感知器

所属期刊栏目：29

分类号：O242;TP391.41(计算数学)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：631-642