基于Polar1DMLP模型的CCTA冠脉管腔分割方法研究

作者：申云鹏; 高雨枫; 章品正; 於文雪; 周寿军; 李宝生; 朱健; 陈阳

来源：CT理论与应用研究, 2020, 29(06): 631-642.

DOI：10.15953/j.1004-4140.2020.29.06.01

• 冠状动脉管腔
• 医学图像分割
• 深度学习
• 多层感知器

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0.169 mm,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。

• 单位
  东南大学生物科学与医学工程学院; 中国科学院深圳先进技术研究院; 山东省肿瘤防治研究院; 东南大学