结合极坐标建模与神经网络的IVUS图像分割

摘要：

针对现有血管内超声(IVUS)图像分割网络不能保证分割结果之间的拓扑关系符合医学先验知识,影响后续临床参数计算的问题,提出了一种基于极坐标建模和密集距离回归网络的IVUS图像分割方法.首先通过极坐标建模将含有先验知识的二维掩膜编码为一维距离向量;然后构建一个结合残差网络和语义嵌入模块的密集距离回归网络,用于学习IVUS图像和一维距离向量之间的映射关系.同时提出联合损失函数约束网络的学习方向.预测结果最终通过样条曲线拟合被重建为二维掩模.实验结果表明,所提方法在血管、管腔和斑块区域的分割结果拓扑关系100％符合先验知识,Jaccard测量值分别达到0.89、0.87和0.74.该算法适用于一般的IVUS图像分割,分割结果中血管结构定位准确,拓扑关系正确,可提供可靠的临床参数.

关键词：血管内超声、极坐标建模、残差网络、语义嵌入、拓扑关系保留

所属期刊栏目：50

分类号：R54;TP391.41(心脏、血管（循环系）疾病)

资助基金：血管超声三维实时成像算法研究及软件平台设计2021GKF-0422

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共15页

页码：44-58