Joint Coronary Centerline Extraction and Lumen Segmentation from CCTA CNNTracker and Vascular Grap
前言
从CCTA中自动分析coronary artery对于CAD的诊断和评估是非常重要的。这方面主要包括两个既相关又分离的task: centerline extraction, lumen segmentation。
这篇论文利用了他们的相互关系提出了一个joint centerline extraction and lumen segmentation的混合深度学习模型。
模型详情：
CNNTracker: 从种子到检测到的孔或血管末端来跟踪中线，这修复了以前基于像素的分割方法中常见的破损问题。
Vasculr Graph Convolutional Network(GCN): 利用几何形状精确进行基于网格的管腔分割
CNNTracker和GCN之间的交替，改进了中心线，减少了跟踪中的飘移。
实验：
CCTA data: 101 patients （right coronary artery, left anterior descending, left circumflex）
一、Introduction
Extract coronary arteries 可以帮助医生更好地评估疾病，往往包括两个task: centerline extraction和lumen segmentation。
lumen segmentaion方法有传统的region-based methods, morphology-base methods, surface-base methods, 以及现在的deep learning-based segmentation methods. 但是深度学习方法在冠状动脉的分割上不理想，因为coronary artery很小，周围组织很多。
coronary artery centerline一般提取来支持血管重建和辅助诊断的。
提出的方法至少有两个独特的优势：1）与Unet不同，我们通过GCN在管腔轮廓预测中建模血管的几何结构，而不是像素方面的关系。2）与以往严重依赖于冠状动脉中心线提取精度的分割方法相比，我们通过一系列迭代来联合分割动脉和提取中心线。
二、Proposed Method
overview
用3D Unet来得到一个coarse vessel segmentation mask, 在每个血管分支上计算distance map M, 选择可靠的seed points
并用CNNTracker来跟踪血管中线，由lumen geometry构建的GCN模型交替使用来细化centerline和预测的lumen contours.
最后的lumen segmentation由转化这些contours到一整个lumen mask得到
1.Tracking Based Centerline Extraction
CNNTracker在提取vessel centerline上很成功
2. Graph Based Lumen Segmentation
主要是用GCN模型来宣训练预测中心点处的banjin
实验
数据：101 CCTA，专家标注centerline和contours，61作为训练集，40作为测试集
中线评估方式：与血管临床相关部分的重叠（the overlap with the clinically relevant part of the vessel）
内部精度平均指标（the average inside accuracy metric）
血管管腔分割评估： DSC（Dice similarity coefficient）, 95% Hausdorff distance
Joint Coronary Centerline Extraction and Lumen Segmentation from CCTA CNNTracker and Vascular Grap相关推荐
- A review of 3D vessel lumen segmentation techniques: Models, features and extraction schemes
强调方式 粗体:定理或者结论 背景:方法方案 下划线:名词 Vascular diseases are among the most important public health problem ...
- 论文分享 DeepCenterline: A Multi-task Fully Convolutional Network for Centerline Extraction
DeepCenterline: a Multi-task Fully Convolutional Network for Centerline Extraction 摘要 提出了一种新的中心线提取框架 ...
- [实体关系抽取｜顶刊论文]UniRel:Unified Representation and Interaction for Joint Relational Triple Extraction
2022.11.16|EMNLP 2022|中国科学技术大学 |原文链接|源码链接 UniRel: Unified Representation and Interaction for Joint R ...
- PRGC Potential Relation and Global Correspondence Based Joint Relational Triple Extraction
PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction PRGC:基于潜 ...
- Coronary Artery Segmentation, A Review
Deep Learning for Cardiac Image Segmentation: A Review 冠状动脉的定量分析是心血管疾病诊断.狭窄分级.血流模拟和手术规划的重要步骤.与冠状动脉分割 ...
- 论文分享 Learning tree-structured representation for 3D coronary artery segmentation
Learning tree-structured representation for 3D coronary artery segmentation(2019.8) 摘要 冠状动脉的分割已经进行了广 ...
- Segmentation of blood vessels using rule-based and machine-learning-based methods：A review
前言 血管分割是血管相关疾病的前提.在这篇论文,我们回顾SOTA的血管分割方法,将他们分成两个类别:rule-based, machine-learning-based methods. 前者rule ...
- （三十三 ：2021.01.12）MICCAI 2016 追踪之论文纲要
讲在前面 PART I.PART II和PART III. 论文目录 PART I 标题 概要 1.Ordinal Patterns for Connectivity Networks in Brai ...
- TGRS2021:Road Segmentation for Remote Sensing ImagesUsing Adversarial Spatial Pyrami对抗性空间金字塔网络的道路分割
TGRS2022:Road Segmentation for Remote Sensing ImagesUsing Adversarial Spatial Pyramid Networks基于对抗性空 ...
最新文章
- 未来脑机接口的电极”衣服”可能长这样，你会喜欢吗？
- 如何在客户端发送ajax请求,ajax - 从服务器(nodejs)发送数据到客户端(ajax请求)
- 2014-03-09 Spring的学习(1)------Spring管理Bean(实例化Bean)
- HDU - 6704 K-th occurrence (后缀数组+主席树)
- 常见的C语言字符串操作
- Windows Store App 图像
- 使用REST风格架构您需要知道的一些事
- matlab阅读怎么放大镜,matlab局部放大
- SSD 寿命- 三星 Magician 及 CrystalDiskInfo
- 超级外链工具-自动添加外链都有哪些
- 清除input输入框的历史记录
- php如何让浏览器切换到极速模式,如何识别并切换到浏览器极速模式？
- Python调用百度根据经纬度查询地址
- Dumb-Init进程信号处理
- 流浪日记无限金币html,流浪日记无敌版金钱版
- java 登入界面制作_JavaFX界面设计之登录界面的制作
- 做微信公众号平台数据分析的工具有哪些？
- 常见 Shell 指令
- 深藏功与名！献给学弟学妹的“Java核心面试知识笔记”
- c语言实现家谱（孩子兄弟树）数据结构