多阶段冠状动脉CTA三维分割算法

冠脉血管CTA(computed tomography angiongraphy)的分割是判断血管堵塞的首要一步,也是后续三维重建、定性分析等医学诊断的先决条件。本文提出多阶段方式完成冠状动脉从粗到细逐级分割。为了减少非心脏组织给神经网络训练带来的影响,首先采用基于自适应阈值的方法预提取心脏区域。然后提出以V-net作为基础网络框架的深度全卷积网络,扩大了每一层卷积核的第三维通道,充分利用血管空间连续性,增加了网络学习能力。第一阶段提取的心脏区域结合对应标签作为下阶段全卷积网络的训练数据,来实现精确的冠脉血管分割,最后通过水平集函数迭代优化血管边缘轮廓,得到分割结果。本文提出的方法对血管分割的平均Jaccard达到了0.813,Dice达到了0.903,能够对冠脉CTA进行准确的三维分割。

基于光学相干断层成像含支架的冠脉血管三维重建

光学相干断层成像(OCT)以其具有高分辨率,实时成像等特征,已经成为冠状动脉疾病检测的一个新方法.对含支架的OCT冠脉血管图像进行三维重建研究,以期直观地显示三维空间结构图.通过比较选择合适的降噪算法对图像预处理,根据OCT图像的特性,利用改进的最大类间方差算法(Otsu)对冠脉血管进行分割,并利用一个新的自动算法对冠脉支架进行检测.由于图像存在大量可视支架,在对极坐标图像序列预处理之后,用全局的强度轮廓检测候选的像素,去除伪影,确定支架上下边界和位置,并合并相邻的候选像素为一个支架点,成功标记出检测到的支架点,可有效地排除伪影造成的干扰,提升聚类算法的精确度.在此基础上,利用Amira软件实现了对冠脉血管和支架进行三维重建和融合.