冠狀動脈血管造影圖像三維分割方法

劉昊，王瑜，王怡寧，徐橙

1.北京工商大學人工智能學院，北京100048；2.中國醫學科學院北京協和醫院，北京100730

前言

作為世界人口主要的死亡原因之一，心血管疾病早期體征不明顯且易導致患者猝死。在所有心血管疾病中，多數是冠狀動脈問題，主要由左或右動脈狹窄引起［1］。因此，冠狀動脈疾病的早期診斷、評估風險和治療規劃至關重要。

近年來，冠狀動脈計算機斷層血管成像檢查（Coronary Computed Tomography Angiography,CCTA）由于其無創性、多視角等特點，已成為心臟病診斷和治療的重要工具。但是由于CCTA 數據量大，復雜性高，因此即使專家進行圖像診斷也通常需要花費大量時間。此外，由于CCTA 圖像的噪聲影響，冠脈結構復雜且被其他組織環繞，迅速準確的冠狀動脈分割難以實現［2］。冠狀動脈序列圖像分割方法主要包括區域生長算法［3］、水平集［4］、圖割方法［5］、分水嶺算法［6］和基于深度學習的方法［7］等。其中，分水嶺算法在醫學圖像分割中應用廣泛，具有運算速度快、計算簡單、邊緣定位精準等優點，但易受到微弱邊緣的影響，很容易因噪聲和對比度低等原因造成過分割和易丟失重要輪廓等問題。為了克服分水嶺算法的缺陷，可以結合有效預處理方法先行去除噪聲，或對分割后的圖像進行區域融合。

為此，本文提出一種新穎的冠狀動脈分割方法，基本思路是，利用分水嶺算法將冠脈圖像分割為子區域，然后交互式分割出種子區域，接著根據形態學和同一組織在斷層圖像的連續性，以分水嶺子區域為單位進行區域生長，最終實現冠狀動脈的三維分割。……