结合血管拓扑和Non-local CNN-GCN的肺动静脉分离方法

作者：黄立勤; 陈柳清; 潘林^*; 郑斌; 郑绍华

来源：福州大学学报(自然科学版), 2022, 50(01): 24-30.

• 动静脉分离
• 深度学习
• 非局部模块
• CNN-GCN网络

为解决肺CT影像中动、静脉血管的自动分离、精确提取问题,提出一种结合血管拓扑与连接非局部卷积神经网络和图卷积网络(Non-local CNN-GCN)的肺动静脉自动分离方法.首先,使用尺度空间粒子采样方法将血管树表示为一组中心线体素粒子;然后,根据粒子体素及其相邻体素构造拓扑图,并从拓扑图中提取只包含动脉或静脉分支的拓扑子图;最后,基于拓扑图训练Non-local CNN-GCN分类器,并利用拓扑子图来改进分类结果.在16例CT影像数据上进行训练和测试,结果显示,本方法能有效去除动静脉黏连点,分类平均准确度达94%.

• 单位
  福建医科大学附属协和医院