[論文レビュー] Multi-Resolution 3D Convolutional Neural Networks for Automatic Coronary Centerline Extraction in Cardiac CT Angiography Scans

Zohaib Salahuddin, Matthias Lenga+1 more|arXiv (Cornell University)|Oct 2, 2020

Cardiac Imaging and Diagnostics参考文献 16被引用数 15

ひとこと要約

本論文では、心臓CTアンジオグラフィ（CCTA）における完全自動冠動脈中心線抽出のためのマルチスケール3次元CNNベースのパイプライン、AuCoTrackを提案する。二重パスウェイ3次元CNNを用いて血管の方向と分岐点を予測し、追跡を停止するためのストップネットワークを統合することで、1つの血管あたり2つの初期オステア点とユーザーの操作なしに、MICCAI 2008チャレンジデータセットで臨床的に意味のある96.4％のオーバーラップを達成した。

ABSTRACT

We propose a deep learning-based automatic coronary artery tree centerline tracker (AuCoTrack) extending the vessel tracker by Wolterink (arXiv:1810.03143). A dual pathway Convolutional Neural Network (CNN) operating on multi-scale 3D inputs predicts the direction of the coronary arteries as well as the presence of a bifurcation. A similar multi-scale dual pathway 3D CNN is trained to identify coronary artery endpoints for terminating the tracking process. Two or more continuation directions are derived based on the bifurcation detection. The iterative tracker detects the entire left and right coronary artery trees based on only two ostium landmarks derived from a model-based segmentation of the heart. The 3D CNNs were trained on a proprietary dataset consisting of 43 CCTA scans. An average sensitivity of 87.1% and clinically relevant overlap of 89.1% was obtained relative to a refined manual segmentation. In addition, the MICCAI 2008 Coronary Artery Tracking Challenge (CAT08) training and test datasets were used to benchmark the algorithm and to assess its generalization. An average overlap of 93.6% and a clinically relevant overlap of 96.4% were obtained. The proposed method achieved better overlap scores than the current state-of-the-art automatic centerline extraction techniques on the CAT08 dataset with a vessel detection rate of 95%.

研究の動機と目的

• CCTAにおける臨床的用途を想定した、完全自動的で、強固かつ効率的な冠動脈中心線抽出手法の開発。
• 手動または準自動の初期化ポイントに依存を減らし、1つのシードポイントからの全冠動脈木の追跡を可能にすること。
• CCTAスキャンにおける多様な画像品質や石灰化負荷に対する汎用性の向上。
• 動脈特異的なシードポイントを必要としない高精度で一貫性のある中心線抽出の達成。
• 再構成画像（MPR/cMPR）によるリアルタイム可視化を可能にし、臨床的診断を支援すること。

提案手法

• 二重パスウェイ3次元CNN（DBC-Net）がマルチスケールのパッチを処理し、血管中心線方向への進行方向を予測し、パッチが通常領域か分岐点かを分類する。
• 別個のマルチスケール3次元CNN（STC-Net）が、パッチ内に血管が存在するかどうかを判断し、追跡の終了を制御する。
• トレッカーは、モデルベースの心臓セグメンテーションにより自動的に検出された2つのオステア点から開始され、予測された方向に反復的にステップして進む。
• STC-Netがパッチ内に「血管なし」と予測した時点で追跡が停止し、ボーリング機構と移動平均エントロピーを用いて終了のロバスト性を向上させる。
• 局所的な強度パターンを3次元パッチ内で用いて方向予測と分岐点検出をガイドし、グローバルな血管モデルに依存しない。
• 本手法は43例の独自CCTAスキャンで学習され、ベンチマークと汎用性評価のため、MICCAI 2008のCAT08データセットで評価された。

実験結果

リサーチクエスチョン

• RQ1 マルチスケール3次元CNNベースのトラッカーは、2つの初期シードポイントのみで完全自動の冠動脈中心線抽出を達成できるか？
• RQ2 本手法は多様なCCTAの画像品質や石灰化負荷に対してどれほど汎用性を示すか？
• RQ3 ユーザーの干渉なしに、分岐点を信頼性高く検出し、血管の終端で追跡を適切に停止できるか？
• RQ4 最先端の自動およびインタラクティブ中心線抽出手法と比較して、本手法の性能はいかがなものか？
• RQ5 低品質または石灰化が強いスキャンにおいても、本手法は高い正確性を維持できるか？複雑な血管分岐処理においてはどのように動作するか？

主な発見

• AuCoTrackは、MICCAI 2008のCAT08テストデータセットで臨床的に意味のある96.4％のオーバーラップを達成し、現在の最先端の自動手法を上回った。
• 本手法はCAT08データセットで平均93.6％のオーバーラップ、自社データセットで89.1％のオーバーラップを達成し、血管検出率は95％であった。
• 画像品質の変動に対しても性能が安定しており、低品質スキャンで87.8％、中程度品質で95.4％、高品質で94.4％のオーバーラップを示した。
• 冠動脈石灰化に対してもロバスト性を示し、石灰化スコアが低・中・高の各段階で、それぞれ92.9％、94.0％、94.2％のオーバーラップを達成した。
• 平均して1症例あたり42.1秒（最適化前）で処理が完了し、臨床的利用の可能性を示した。
• 43例の独自データセットからCAT08データセットへの汎用性が高く、異なるスキャナータイプや画像取得プロトコル間での強い転送性を示した。