-SEP30th
图像处理分析：基于
3D-CNN的冠状动
脉中心线提取技术
晟视分享
1.背景介绍
在医疗图像处理技术中，深度学习被越来越广泛应用，成为当前研究的主流方法；其中，运用最广泛的是CT图像处理。放眼全国，目前冠状动脉疾病是威胁中国人健康的首要病因，因此针对冠状动脉病变的相关处理技术发展至关重要。
本文分享的一篇技术文章（CoronaryarterycenterlineextractionincardiacCTangiographyusingaCNN-basedorientationclassifier）利用3DCNN的方式，基于原始CT图像即可提取冠状动脉的中心线。
由CT数据直接提取冠状动脉，使后续的图像处理工作更方便，如心脏的相对区域定位、冠脉重构、心脏分区等，对冠状动脉疾病的无创诊断有重要意义。
2.方法介绍
本文CNN网络结构参数如Table1所示：
Table1:CNN网络结构参数示意表[1]
本文针对冠状动脉的中心线数据，创建以中心线为中心的连续样本，其中每一个样本的形式如Fig1所示，并且在每一个中心线周围的方向示意图如Fig2所示：
Fig1:CNN网络输入示意图[1]
Fig2:中心线方向分布[1]
即在每一个中心线为中心的圆形区域内，可以建立由入口到出口的方向趋势球形模型，即网络输出当前位置的下一个位置的方向概率，追踪最大概率和最终输出的路径即为结果。
本文在CAT08的数据集中训练测试了算法，其中CAT08即MICCAI鹿特丹冠状动脉挑战数据集，其中包含8套数据共32支冠状动脉，通过图像质量、钙化积分、平均重叠系数、首次错误前重叠系数（即失败前的追踪完成程度）、临床重叠系数以及内部重叠系数等指标评估结果，效果如下图Table2所示：
Table2：结果评估表[1]
3.结论
本文提出的技术是利用CT数据直接进行冠状动脉的中心线追踪，且本文巧妙地利用了CNN在沿着冠脉内部行进的过程中提取到的形态信息，所需训练资源少，流程简单，可行性很高，具有很好的实际应用前景。
参考文献
[1]WolterinkJM,vanHamersveltRW,ViergeverMA,etal.CoronaryarterycenterlineextractionincardiacCTangiographyusingaCNN-basedorientationclassifier[J].Medicalimageanalysis,,51:46-60.
更多精彩，敬请期待
杭州晟视科技有限公司