Coronary Centerline Extraction form CCTA Using 3D-UNet

摘要

研究背景：从CT图片三维重建得到的mesh-type coronary模型可以得到很多诊断信息。

问题：automated coronary centerline extraction

数据集：CCTA （cardiac computed tomography）Rotterdam Coronary Artery Centerline Extraction benchmark

方法： 3D-Unet, novel loss function, with augmented patches

结果：accuracy(90-95%) ovelap(90-94%)

一、相关工作

随着图像采集分辨率的提高和获得体积图像的新可能性，非侵入性医学成像方法大受欢迎。

分割包括识别、特征化、或者分离图像的一个或者多个区域，根据问题中区域之间的不均匀特征。在CCTA问题中农，分割可用于自动或者半自动地从CT序列中识别coronary 解剖，和用于自动识别损伤并且获取他们的几何或者提特征。

判断血管阻塞程度，判断正重塑，计算血管的距离

【1】确定positive remodeling

最近的重建模型已经达到了模拟流体动力学的性能

主要要提取的信息是自动或半自动得得到lesions、plaq