[論文レビュー] Coronary Artery Segmentation in Cardiac CT Angiography Using 3D Multi-Channel U-net

Yo-Chuan Chen, Yi-Chen Lin+5 more|arXiv (Cornell University)|Jul 29, 2019

Advanced X-ray and CT ImagingEngineering参考文献 10被引用数 17

ひとこと要約

本論文では、冠動脈CT angiography (CTA)における完全自動な冠動脈分離を実現する3次元マルチチャネルU-Netを提案する。元のCTA画像と血管性マップを融合させることで、管状構造の検出を向上させ、性能を向上させた。この手法は、プラークによる吸収の曖昧さをよりよく扱えるため、先行するCNNアプローチが約0.6を達成していたのに対し、Dice類似係数（DSC）0.8を達成した。

ABSTRACT

Vessel stenosis is a major risk factor in cardiovascular diseases (CVD). To analyze the degree of vessel stenosis for supporting the treatment management, extraction of coronary artery area from Computed Tomographic Angiography (CTA) is regarded as a key procedure. However, manual segmentation by cardiologists may be a time-consuming task, and present a significant inter-observer variation. Although various computer-aided approaches have been developed to support segmentation of coronary arteries in CTA, the results remain unreliable due to complex attenuation appearance of plaques, which are the cause of the stenosis. To overcome the difficulties caused by attenuation ambiguity, in this paper, a 3D multi-channel U-Net architecture is proposed for fully automatic 3D coronary artery reconstruction from CTA. Other than using the original CTA image, the main idea of the proposed approach is to incorporate the vesselness map into the input of the U-Net, which serves as the reinforcing information to highlight the tubular structure of coronary arteries. The experimental results show that the proposed approach could achieve a Dice Similarity Coefficient (DSC) of 0.8 in comparison to around 0.6 attained by previous CNN approaches.

研究の動機と目的

• 複雑なプラークによる吸収の曇りや画像ノイズのため、CTAにおける冠動脈分離が不安定であるという課題に対処すること。
• 心臓科医による手動分離に要する時間と観察者間ばらつきを低減すること。
• 低コントラストおよび曇ったプラーク状態下でも、冠動脈を検出できる深層学習モデルのロバスト性を向上させること。
• 心血管疾患評価の臨床的応用を想定した、完全自動でエンドツーエンドの分離フレームワークを開発すること。

提案手法

• 本手法は、元のCTA画像と計算された血管性マップの両方を入力とする3次元マルチチャネルU-Netアーキテクチャを採用する。
• 血管性マップは、Frangiの血管性フィルタを用いて生成され、管状構造を強調し、非血管領域を抑制する。
• マルチチャネル入力により、強度情報と血管に類似した構造情報から補完的な特徴を学習できる。
• スキップ接続機構により、空間分解能が保持され、学習中の勾配の流れが促進される。
• Adamを用いた重み減衰付き最適化により、バイナリクロスエントロピー損失関数をエンドツーエンドで最適化する。
• 回転、スケーリング、強度のジャイタリングを含むデータ拡張技術を適用し、一般化性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 3次元U-Netに血管性マップを組み込むことで、CTAにおける冠動脈分離精度が向上するか？
• RQ2 本手法のマルチチャネル3次元U-Netは、標準の3次元U-Netおよび先行するCNNベースの手法と比較して、実臨床CTAデータ上でどのように性能を示すか？
• RQ3 血管性マップの使用が、プラークに起因する吸収の曇りの影響をどの程度軽減するか？
• RQ4 本手法は、冠動脈の輪郭指定における観察者間ばらつきを低減するか？

主な発見

• 提案手法の3次元マルチチャネルU-Netは、テストセットでDice類似係数（DSC）0.8を達成し、先行するCNNベースの手法が約0.6を達成していたのと比べて顕著に優れた性能を示した。
• 血管性マップの統合により、低コントラストおよび部分的閉塞状態にある冠動脈の検出が著しく向上した。
• 本手法はプラークに起因する強度変動に対してロバストであり、狭窄部における偽陰性を低減した。
• マルチチャネル入力の使用により、信号対ノイズ比が低い領域における特徴学習が向上した。