38、冠状动脉中心线提取与 3D 模型搜索技术研究

冠状动脉中心线提取与 3D 模型搜索技术研究

冠状动脉中心线提取

在医学图像分析领域，冠状动脉中心线的提取是一项关键任务，它对于心血管疾病的诊断和治疗具有重要意义。目前，常见的冠状动脉中心线提取方法存在一些局限性。

传统的细化方法对目标图像的依赖性强，对于复杂目标效果不佳，且大多数细化方法是逐步迭代的过程，对于较大目标耗时较长。基于最小路径的算法通过计算手动或自动定义的起点和终点之间的最小成本路径来提取中心线。例如，Benmansou 等人提出的使用关键点的最小路径算法，只需预先确定一个起点就能提取中心线。该方法生成的路径与参考中心线重合度高，计算量小、速度快，但在中心线弯曲处可能出现捷径。因此，设计一个在中心线处成本低、其他位置成本高的成本函数至关重要。

基于跟踪的算法通过对血管的位置、方向和半径进行迭代判断来提取血管中心线。Wolterink 等人提出的半自动冠状动脉中心线提取方法可以用有限的训练数据进行训练，模型训练完成后，能快速、自动或交互地从 CCTA 图像中提取完整的冠状动脉中心线。然而，该方法采用的网络结构相对简单，难以提取足够的特征信息，导致提取的中心线半径误差较大，且容易延伸到冠状动脉口和末端的非冠状动脉组织。

为了解决这些问题，研究人员提出了基于多尺度特征提取层的冠状动脉中心线提取网络。传统的冠状动脉中心线提取网络 Origin - Net 由简单堆叠的扩展卷积层组成，共七层，前两层和后三层使用普通卷积层。最后一层的输出通道数为参考方向数加 1，本文采用 |D| = 500。

MST - Net 网络

为了提高网络对冠状动脉不同位置半径的预测能力，提出了基于 3D CCTA 图像的多尺度 3D C