基于全卷积神经网络的冠状动脉中心线提取方法

摘要

精确提取冠状动脉血管造影(CAG)中心线对血管疾病诊断具有重要意义,本文提出了一种基于全卷积神经网络(FCN)的CAG中心线提取方法。首先利用基于Hessian矩阵的Frangi滤波器去除大部分伪血管噪声,突出CAG的血管树,明显区分血管和背景;利用Steger算法获得血管截面中心亚像素点,将初步提取的中心线作为数据集,标注473张经处理的CAG图像,其中378张为训练集,95张为测试集。以像素准确率(PACC)、平均准确率(MACC)和平均重叠率(MIoU)作为测试结果的评价标准。采用FCN模型分割数据集,将低层特征信息融合高层信息,对融合后的特征图进行反卷积操作,PACC达到0.85,MACC达到0.92,MIoU达到0.82。结果表明本方法具有较高的精度,可有效提取CAG中心线,为冠心病的诊断提供一种有效的辅助手段。