Seg.A.2023——主动脉分割

今天将分享主动脉分割完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、Segmentation Of The Aorta2023介绍

主动脉是人体的主要动脉，与其分支动脉形成主动脉血管树 (aortic vessel tree, AVT)，为全身供血。监测主动脉疾病患者需要定期筛查血管疾病发展。用于临床评估的标准图像模式是计算机断层扫描血管造影 (CTA)，它提供了 AVT 的详细视图。最佳情况下，整个 AVT 几何形状会随着时间的推移进行重建，并与后续 CTA 扫描的几何形状进行比较。不仅要检测与主要病理相关的变化，还要检测外周变化或新的合并症。然而，手动执行此任务需要逐个切片轮廓，一次扫描的主动脉血管树可能需要一整天，这使得该任务在临床实践中不可行。此外，精确的重建可用于通过数值模拟分析血流和血管内手术的结果。为此，AI 支持的自动分割方法已被证明是一种可能的解决方案，它可以实时运行或在临床常规的后台运行。一个悬而未决的问题是将这些算法转化为 1) 在几个临床机构中工作，因为不同的扫描协议，特别是在扫描设备、辐射剂量和造影剂方面，这导致 AVT 中不同的 Hounsfield 值，以及 2)鉴于注释时间长，依赖于有限数量的标记数据。AI 支持的自动分割方法已被证明是一种可能的解决方案，它可以实时运行或在临床常规的后台运行。一个悬而未决的问题是将这些算法转化为 1) 在几个临床机构中工作，因为不同的扫描协议，特别是在扫描设备、辐射剂量和造影剂方面，这导致 AVT 中不同的 Hounsfield 值，以及 2)鉴于注释时间长，依赖于有限数量的标记数据。AI 支持的自动分割方法已被证明是一种可能的解决方案，它可以实时运行或在临床常规的后台运行。一个悬而未决的问题是将这些算法转化为 1) 在几个临床机构中工作，因为不同的扫描协议，特别是在扫描设备、辐射剂量和造影剂方面，这导致 AVT 中不同的 Hounsfield 值，以及 2)鉴于注释时间长，依赖于有限数量的标记数据。

二、Segmentation Of The Aorta2023任务

主动脉病变诊断术前的血管树自动分割。

三、Segmentation Of The Aorta2023数据

提供了来自三个机构的 AVT 训练集和相应的手动分割。参与者需要设计基于该训练集的自动 AVT 分割算法。所有提出的方法都将基于来自第四家机构的隐藏测试集进行评估，使用 Dice Similarity Score (DSC) 和 Hausdorff Distance (HD)。

AVT 的重建需要理想的无伪影以进行可视化和血流模拟。在第一个可选子任务中，重建的表面几何形状将由一组临床专家进行定性评估。定性评价侧重于分支动脉的数量和整体视觉质量。在第二个可选子任务中，团队还提供了 AVT 的体积网格表示。这将 根据使用缩放雅可比矩阵 和网格元素数量的计算流体动力学应用的网格有效性进行定量评估。

这些数据集包括来自大多数健康主动脉的 56 个 CTA 扫描，覆盖了主动脉弓及其分支和带有髂动脉的腹主动脉。此外，将主动脉及其分支（主动脉血管树）的分割（掩膜）作为二元掩膜图像。注：这些集合包括 1 例腹主动脉瘤 (AAA) 和 5 例主动脉夹层 (AD)。

四、技术路线

1、根据固定阈值和形态学最大连通域操作得到人体ROI区域，然后提取原始图像和标注图像的ROI。

2、分析图像信息，得到图像平均大小是508x378x406，Spacing平均大小是0.75x0.75x2.64，因此将图像缩放到固定Spacing大小0.7x0.7x1，然后随机裁切出10个patch大小为256x160x320。图像预处理，对ROI图像进行（1，99）像素范围内截断，然后采用均值为0，方差为1的方式进行归一化处理。然后将数据分成训练集和验证集。

3、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是1，epoch是300，损失函数采用二分类的dice和交叉熵。

4、训练结果和验证结果

5、验证集分割结果

左边是金标准结果，右边是网络预测结果。

6、测试集分割结果

左边是金标准结果，右边是网络预测结果。

如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。