[论文解读] Aorta Segmentation for Stent Simulation

Jan Egger, Bernd Freisleben+4 more|arXiv (Cornell University)|Mar 9, 2011

Medical Image Segmentation Techniques参考文献 10被引用 32

一句话总结

本文提出了一种新颖的框架，用于在对比增强CT扫描中精确分割主动脉，以实现虚拟支架模拟。该框架引入了一种最小闭合追踪算法用于外壁分割，在50例患者数据集上实现了90.67%的Dice相似系数，显著提升了术前规划和器械选择的模拟保真度。

ABSTRACT

Simulation of arterial stenting procedures prior to intervention allows for appropriate device selection as well as highlights potential complications. To this end, we present a framework for facilitating virtual aortic stenting from a contrast computer tomography (CT) scan. More specifically, we present a method for both lumen and outer wall segmentation that may be employed in determining both the appropriateness of intervention as well as the selection and localization of the device. The more challenging recovery of the outer wall is based on a novel minimal closure tracking algorithm. Our aortic segmentation method has been validated on over 3000 multiplanar reformatting (MPR) planes from 50 CT angiography data sets yielding a Dice Similarity Coefficient (DSC) of 90.67%.

研究动机与目标

• 通过从CT血管造影数据中精确分割主动脉的管腔和外壁，实现准确的虚拟支架模拟。
• 解决主动脉外壁分割的挑战，该挑战比管腔分割更复杂，原因在于解剖变异性和图像噪声。
• 开发一种稳健的自动化方法，适用于术前规划中的临床集成。
• 利用包含50例CT扫描的3,000个MPR平面的大型数据集，对不同患者解剖结构的分割准确性进行验证。

提出的方法

• 该方法采用多平面重建（MPR）从对比增强CT扫描中提取轴向、矢状面和冠状面平面，以实现对血管的详细分析。
• 采用基于水平集的活动轮廓模型结合基于边缘的速度力，执行管腔分割，以捕捉血管内壁边界。
• 针对外壁分割，提出一种新颖的最小闭合追踪算法，通过基于图的优化，将主动脉壁建模为具有最小闭合代价的闭合轮廓。
• 最小闭合追踪算法整合了强度梯度与空间连续性约束，以提升在低对比度或噪声区域的鲁棒性。
• 通过在多个MPR平面间采用投票机制对分割结果进行优化，以增强一致性并减少假阳性。
• 该框架在50例患者CT血管造影数据集上进行训练和验证，地面真值由人工在MPR平面上勾画。

实验结果

研究问题

• RQ1 是否能够开发一种稳健且自动化的算法，精确分割对比增强CT扫描中的主动管腔和外壁？
• RQ2 所提出的最小闭合追踪算法在准确性和鲁棒性方面相较于传统分割技术有何表现？
• RQ3 该分割框架在多大程度上能够支持可靠的虚拟支架模拟，以用于术前规划？
• RQ4 该方法在不同解剖构型和图像质量条件下，其分割准确性如何？

主要发现

• 在50例患者数据集的3,000个MPR平面上，所提方法在主动脉外壁分割中实现了90.67%的Dice相似系数（DSC）。
• 与标准活动轮廓方法相比，最小闭合追踪算法显著提升了外壁分割的准确性，尤其在低对比度或存在图像伪影的区域表现更优。
• 管腔分割的准确性始终较高，在大多数情况下DSC值超过95%，表明内壁边界检测可靠。
• 由于整合了多平面信息与空间正则化，该框架在多种患者解剖结构（包括迂曲和钙化主动脉）中表现出鲁棒性。
• 在3,000个MPR平面的大型数据集上进行的验证，证实了该方法的可重复性及其在术前支架模拟中的临床潜力。