SIRE:使用图形神经网络进行动脉定向的规模不变,旋转等值估计
Dieuwertje Alblas1, Julian Suk1, Christoph Brune1
1Department of Applied Mathematics, Technical Medical Centre, University of Twente, Drienerlolaan 5, 7522 NB Enschede, The Netherlands.
Medical image analysis
|January 22, 2025
概括
我们开发了SIRE,这是一种用于估计3D医学图像中血管方向的新方法. SIRE是尺度不变和旋转等价的,改善了跨多种血管结构的中线提取和血管分析.
科学领域:
- 医疗成像医学成像
- 计算解剖学的计算解剖学
- 机器学习用于医疗保健
背景情况:
- 精确的血管方向对于3D医学成像中的几何分析至关重要.
- 使用3D卷积神经网络 (CNN) 的现有方法在血管大小和方向的变化方面遇到了困难.
- 需要一个强大的和可通用的解决方案来准确估计船只的方向.
研究的目的:
- 引入SIRE (尺度不变旋转等差估计器),这是一个用于估计当地船舶方向的新方法.
- 为了实现尺度不变性和SO(3) 旋转等价性,在容器分析中实现更强的概括.
- 为了证明SIRE在改善各种血管结构的中心线跟踪方面的有效性.
主要方法:
- 开发了SIRE,使用在多尺度球形网格上运行的尺寸等价网格CNN (GEM-CNN).
- 通过重量共享和对称最大聚合,内置规模不变性.
- 通过尺寸等差和球形特征投影实现了SO(3) 旋转等差.
- 嵌入式SIRE在中心线追踪器内用于实际应用.
主要成果:
- 在三个不同的数据集 (VMR,ASOCA,AAA) 中,SIRE表现出强的性能.
- 该方法准确地追踪了大口径腹腔大动脉动脉瘤 (AAA).
- 通过SIRE,可以追踪小口径的曲冠状动脉,即使在不同数据上进行训练.
结论:
- 在3D医学图像中进行血管几何分析,SIRE提供了一个强大的,数据效率高的解决方案.
- 纳入SO(3) 和尺度对称性使SIRE能够在其培训领域之外进行概括.
- SIRE代表了自动化血管分析和医学图像解释的重大进步.
