冠状动脉血管造影图像三维分割方法

刘昊，王瑜，王怡宁，徐橙

1.北京工商大学人工智能学院，北京100048；2.中国医学科学院北京协和医院，北京100730

前言

作为世界人口主要的死亡原因之一，心血管疾病早期体征不明显且易导致患者猝死。在所有心血管疾病中，多数是冠状动脉问题，主要由左或右动脉狭窄引起［1］。因此，冠状动脉疾病的早期诊断、评估风险和治疗规划至关重要。

近年来，冠状动脉计算机断层血管成像检查（Coronary Computed Tomography Angiography,CCTA）由于其无创性、多视角等特点，已成为心脏病诊断和治疗的重要工具。但是由于CCTA 数据量大，复杂性高，因此即使专家进行图像诊断也通常需要花费大量时间。此外，由于CCTA 图像的噪声影响，冠脉结构复杂且被其他组织环绕，迅速准确的冠状动脉分割难以实现［2］。冠状动脉序列图像分割方法主要包括区域生长算法［3］、水平集［4］、图割方法［5］、分水岭算法［6］和基于深度学习的方法［7］等。其中，分水岭算法在医学图像分割中应用广泛，具有运算速度快、计算简单、边缘定位精准等优点，但易受到微弱边缘的影响，很容易因噪声和对比度低等原因造成过分割和易丢失重要轮廓等问题。为了克服分水岭算法的缺陷，可以结合有效预处理方法先行去除噪声，或对分割后的图像进行区域融合。

为此，本文提出一种新颖的冠状动脉分割方法，基本思路是，利用分水岭算法将冠脉图像分割为子区域，然后交互式分割出种子区域，接着根据形态学和同一组织在断层图像的连续性，以分水岭子区域为单位进行区域生长，最终实现冠状动脉的三维分割。……