基于掩码建模的磁共振血管造影的三维血管分割

摘要

磁共振血管成像（MRA）是一种用于观察血管的无创成像技术。通过对MRA图像进行定量分析，可以显示血管的路径、状态和血流动态，对诊断血管病变、狭窄、阻塞等血管相关疾病具有重要意义。血管分割是血管定量分析的基础，相比其他器官的分割，血管形态复杂，难以标记，准确的三维血管标记相对稀缺，给磁共振血管造影的血管分割带来了很大的挑战。本文提出在训练血管分割模型时，采用选择性地遮挡血管的策略来增强算法捕获血管拓扑结构的能力，提升血管分割结果的连续性；同时，提出Refine网络，对分割网络的二值化分割结果进行调整，从而进一步提升分割精度。在MIDAS公开数据集的42例3D MRA数据上进行训练和测试。基于3D U-Net的基线模型，血管遮挡策略下测试集分割结果的β₀Error、β₁Error分别为1.274 2±0.210 3和0.339 3±0.081 8，比基线结果分别降低0.113 6和0.028 0。采用血管遮挡策略及Refine网络的模型，平均分割Dice达到0.7105±0.0125，比基线结果提升0.0028。由此可见，本文方法可以在提升血管连通性的同时提升分割精度。

关键词

深度学习 / 血管分割 / 磁共振血管成像 / 拓扑连通性