AVP-AP:自主监督的自动视图定位在3D心脏CT通过Atlas提示通过阿特拉斯提示

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 计算解剖学的计算解剖学

背景情况:

• 心脏计算机断层扫描 (CT) 需要精确的视图定位来准确诊断疾病和进行手术规划.
• 目前用于CT自动视图定位的方法受到手动注释要求和无法处理3D卷中任意的2D切片方向的限制.
• 个体解剖学变异性和大型3D搜索空间在心脏CT视图定位方面带来了重大挑战.

研究的目的:

• 推出AVP-AP,这是第一个利用Atlas Prompting用于自主监督的3D CT卷中的自动视图定位的框架.
• 开发一种灵活有效的方法,用于在3DCT数据中的不同坐标空间内定位具有任意方向的语义2D切片.
• 克服现有的视图特定模型的局限性,并解决临床场景中任意切片定位的尚未解决的挑战.

主要方法:

• 提出了一种 atlas 提示方法来生成一个 3D 规范 atlas,并训练一个用于自主监督切片到 atlas 映射的网络.
• 使用3D图谱和目标CT体积之间的刚性转换来识别粗切片位置,减少搜索空间.
• 通过使用基础模型最大化预测和查询切片之间的特征空间相似性来完善粗略位置.

主要成果:

• 与现有方法相比,在任意视图定位中实现了19.8%的平均结构相似性 (SSIM).
• 与四名专家放射科医生相比,在双室视图中表现出优异的性能,SSIM高出9%.
• 在公共数据集上验证了框架的通用性和效率.

结论:

• AVP-AP提供了一种灵活,高效和高度准确的解决方案,用于在心脏CT中进行自我监督的自动视图定位.
• 图谱提示方法有效地解决了在3DCT卷中任意切片定位和定位的挑战.
• 这一框架有可能显著改善心脏CT分析,用于疾病诊断和手术规划.