强大的冠状动脉细分的设计规则:对数据集大小,窗口,架构和血管几何学的系统分析
Ming-Hui Hung1, Yu-Wei Chiang1, Hao-Yun Liu1
1Department of Medical Imaging, National Taiwan University Hospital, National Taiwan University College of Medicine, 7 Chung-Shan South Road, Taipei, 100, Taiwan.
Annals of biomedical engineering
|January 9, 2026
概括
使用nnU-Net的自动冠状动脉细分显示出高准确性和通用性. 性能随着数据集大小和3D模型的增加而提高,在各种船舶几何形状和CT窗口设置中保持稳健.
科学领域:
- 医疗成像医学成像
- 医疗保健中的人工智能
- 心血管成像 - 心血管成像
背景情况:
- 计算机断层扫描冠状动脉扫描 (CTCA) 的冠状动脉自动细分对于定量分析至关重要.
- 众所周知,细分性能对数据集特征和模型配置敏感.
研究的目的:
- 系统评估数据集大小,CT窗口宽度/水平 (W/L) 值和nnU-Net模型架构对冠状动脉细分精度的影响.
- 评估跨不同船体几何形状,包括曲率和扭曲度的细分性能的稳定性.
主要方法:
- 利用 ImageCAS 数据集中的 1000 个注释 CTCA 扫描进行培训,并使用 200 个扫描独立集进行测试.
- 研究了不同训练数据集大小,不同CT W/L值 (例如800/200 HU,1300/350 HU) 的影响,并比较了2D与3DnnU-Net架构 (全分辨率,低分辨率,级联,整体).
- 使用子相似系数 (DSC) 和欧盟交叉 (IoU) 评估细分性能,并评估不同几何复杂度的船只之间的一致性.
主要成果:
- 细分精度随着数据集大小的增加而增加,超过100个培训案例后停滞.
- 3D nnU-Net模型的性能明显优于2D模型,3D组合实现了最高的精度 (DSC 0.8337,IOU 0.7178).
- 细分性能在不同曲率和曲度的容器中是一致的,显示出强度.
结论:
- nnU-Net框架提供了准确和可通用的冠状动脉细分.
- 优化输入参数 (W/L 值) 和采用 3D 整体架构可以进一步提高分割精度和稳定性.
更多相关视频
06:18Intravascular Ultrasound Image-Based Finite Element Modeling Approach for Quantifying In Vivo Mechanical Properties of Human Coronary Artery
Published on: December 6, 2024
992
09:36A Magnetic Resonance Imaging-based Computational Protocol for Analysis of Plaque Morphology and Hemodynamics in Patients with Carotid Artery Stenosis
Published on: August 12, 2025
540
