[논문 리뷰] Coronary Artery Segmentation in Cardiac CT Angiography Using 3D Multi-Channel U-net

Yo-Chuan Chen, Yi-Chen Lin외 5명|arXiv (Cornell University)|2019. 07. 29.

Advanced X-ray and CT ImagingEngineering참고 문헌 10인용 수 17

한 줄 요약

이 논문은 심장 CT 혈관 조영술(CTA)에서 완전 자동으로 관상동맥을 분할하는 3D 다중채널 U-Net을 제안한다. 원래의 CTA 영상과 혈관성 지도를 융합하여 관형 구조 탐지 성능을 향상시킨다. 이 방법은 병변에 의한 투과성 모호성 문제를 더 잘 다루어, 기존의 CNN 기반 방법들이 약 0.6을 기록한 데 비해 DSC(Dice Similarity Coefficient) 0.8을 달성하여 뚜렷한 성능 향상을 보였다.

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.

연구 동기 및 목표

• 복잡한 병변에 의한 투과성과 영상 노이즈로 인한 CTA에서의 신뢰할 수 없는 관상동맥 분할 문제를 해결하기 위해.
• 심장 전문의가 수작업으로 분할하는 데 소요되는 시간과 관찰자 간 변동성을 줄이기 위해.
• 저대비 및 병변에 의한 모호한 조건에서 관상동맥을 탐지하는 딥러닝 모델의 강건성을 향상시키기 위해.
• 심혈관 질환 평가에 임상적으로 활용 가능한 완전 자동형, 엔드 투 엔드 분할 프레임워크를 개발하기 위해.

제안 방법

• 이 방법은 원본 CTA 영상과 계산된 혈관성 지도를 입력으로 사용하는 3D 다중채널 U-Net 아키텍처를 사용한다.
• 혈관성 지도는 Frangi의 혈관성 필터를 사용하여 관형 구조를 강조하고 비혈관 영역을 억제하기 위해 생성된다.
• 다중채널 입력은 강도 정보와 혈관 유사 구조 정보로부터 상보적인 특징을 학습할 수 있도록 한다.
• 스킵 연결 메커니즘이 공간 해상도를 유지하고 학습 중 기울기 흐름을 촉진한다.
• Adam 최적화 기법과 가중치 감소를 사용하여 이진 교차 엔트로피 손실 함수를 기반으로 엔드 투 엔드로 네트워크를 학습시킨다.
• 일반화 성능 향상을 위해 기울임, 스케일링, 강도 진동 등의 데이터 증강 기법을 적용한다.

실험 결과

연구 질문

• RQ1 3D U-Net에 혈관성 지도를 통합함으로써 CTA에서의 관상동맥 분할 정확도가 향상되는가?
• RQ2 실제 임상적 CTA 데이터에서 제안된 다중채널 3D U-Net은 표준 3D U-Net 및 이전의 CNN 기반 방법보다 어떻게 성능을 내는가?
• RQ3 혈관성 지도의 사용이 병변에 의한 투과성 모호성에 미치는 영향을 어느 정도 완화하는가?
• RQ4 제안된 방법은 관상동맥의 윤곽을 그릴 때 관찰자 간 변동성을 줄이는가?

주요 결과

• 제안된 3D 다중채널 U-Net은 테스트 세트에서 DSC(Dice Similarity Coefficient) 0.8을 달성하였으며, 이는 이전의 CNN 기반 방법들이 약 0.6을 기록한 것에 비해 뚜렷한 성능 향상이다.
• 혈관성 지도의 통합은 저대비 및 부분적으로 차단된 관상동맥의 탐지 성능을 크게 향상시켰다.
• 이 방법은 병변에 의한 강도 변화에 대해 강건성을 보였으며, 협착 영역에서의 거짓 음성 수를 감소시켰다.
• 다중채널 입력의 사용은 특히 신호 대 잡음비가 낮은 영역에서 특징 학습을 향상시켰다.