一、AortaSeg2024介绍
主动脉是身体最大的动脉,将含氧血液从心脏输送到头部、颈部、上肢、腹部、骨盆和下肢。主动脉及其主要分支的病变,如夹层、动脉瘤和动脉粥样硬化疾病,可能对生命或肢体造成直接威胁,需要及时进行手术评估和治疗。医学成像和治疗的进步,包括计算机断层扫描血管造影 (CTA) 和血管内主动脉支架移植术,导致主动脉疾病治疗的范式转变。例如,腹主动脉瘤血管内修复术现在已成为 80% 以上患者的一线治疗方法。对于涉及分支血管的微创修复,对主动脉和分支血管解剖结构进行详细的 3D 分析至关重要。这包括测量主动脉以及各个主动脉分支和区域的体积和直径,以选择适当的设备,这可以通过 CTA 上主动脉的多级分割来实现。
虽然机器学习彻底改变了 3D 医学图像分析,但其在急性简单 B 型主动脉夹层 (auTBAD)(最常见的主动脉急症)中的潜力仍未得到充分开发。在临床环境中,auTBAD 使用 SVS/STS 区域进行分类,这是一个由主动脉与主动脉分支相关的特定区域定义的详细分类系统。目前的主动脉分割方法通常将其视为二元分割问题,忽略了各个主动脉分支之间的本质区别及其与 SVS/STS 区的关系。
通过促进 CTA 图像分析技术的进步,该挑战旨在:通过准确的诊断、更精确的手术计划以及可能更安全的微创干预策略,改善主动脉疾病患者的临床护理。引起对 auTBAD 这种相对罕见且具有挑战性的疾病的更多关注和研究重点,可能会带来新的治疗策略。在医学图像分析、计算机视觉和机器学习领域的研究人员之间架起跨学科交流的桥梁,为协作解决方案克服复杂主动脉分割任务中的技术障碍铺平了道路。
二、AortaSeg2024任务
CTA主动脉、其分支和相关区域23类分割。
三、AortaSeg2024数据集
训练数据包含50例 CTA 扫描的训练数据集。验证数据包含10 例 CTA 扫描的训练数据集。测试数据包含40 例CTA 扫描的训练数据集。
数据下载:
https://aortaseg24.grand-challenge.org/dataset/
评价指标:Dice系数和归一化表面距离。
四、技术路线
在前面的文章中分享过,主动脉分割和主动脉夹层分割的案例,Seg.A.2023——主动脉分割,ImageTBAD2021——B 型主动脉夹层自动分割
1、首先采用固定阈值和最大连通域法分割人体ROI,然后根据人体ROI从原始CTA图像和mask提取ROI区域。
2、分析ROI图像,得到图像平均大小是429x281x695,因此将图像缩放到固定大小192x160x448。图像预处理,对步骤1的ROI图像首先进行窗宽窗位截断(-100,800),再采用均值为0,方差为1的方式进行归一化处理,再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,损失函数采用多类别的dice和交叉熵。
4、训练结果和验证结果
5、验证集分割结果
左图是金标准结果,右图是网络预测结果。
6、测试集分割结果
左图是金标准结果,右图是网络预测结果。
点击阅读原文可以访问参考项目,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。