今天将分享肺动脉左冠状动脉异常自动分割完整实现版本,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、ImageALCAPA2023介绍
肺动脉左冠状动脉异常(ALCAPA)是一种严重的先天性心脏畸形,早期可诱发心力衰竭,最终导致死亡。0.5% 的先天性心脏病儿童患有这种疾病。
ALCAPA的主要治疗方法是手术修复,这相当具有挑战性,因为外科医生需要将异常冠状动脉恢复到正确的位置,并与其他解剖结构正确连接。近年来,3D打印已广泛应用于ALCAPA的手术规划中以辅助外科医生。然而,在进行3D打印之前,经验丰富的放射科医生需要对心脏解剖结构尤其是冠状动脉进行手动分割,这既耗时又繁琐,并且会引入临床专家的偏差,此外手动分割需要大量的资源和时间。
然而,与正常结构的冠状动脉相比,ALCAPA的冠状动脉具有三个特点。首先,ALCPA通常出现在血管尺寸较小且心率加快的婴儿中。其次,正常的冠状动脉具有相对常见的解剖结构,而在 ALCAPA 中,其结构因患者而异。第三,ALCAPA 中的右冠状动脉(RCA)明显大于左冠状动脉(LCA),这导致数据不平衡,给LCA分割带来困难。
二、ImageALCAPA2023任务
ALCAPA数据分割多个解剖结构,包括心肌 (Myo)、左心室 (LV)、右心室 (RV)、肺动脉 (PA) 、主动脉 (Ao)、LCA和RCA。
三、ImageALCAPA2023数据集
ImageALCAPA 数据集总共由 2016 年 6 月 17 日至 2021 年 8 月 8 日从广东省人民医院采集的 30 张 3D CTA 图像组成。这些图像由 SOMATOM Definition Flash CT 机采集。所有图像均为术前ALCAPA CTA图像,在轴向视图中,其顶部和底部分别围绕颈部和头臂血管。分割标记由两名心血管放射科医生组成的团队执行,他们在ALCAPA方面拥有丰富的经验。对于每张图像,一名放射科医生完成标记,而另一名放射科医生随后进行验证。
四、技术路线
采用两个网络级联分割,第一个网络先粗略提取心脏ROI区域,第二个网络对ROI区域图像分割7个解剖结构。
1、统计原图中值大小是512x512x278,Spacing平均大小是1x1x1。图像窗宽窗位截断设置(1000,2000),然后采用z-score归一化方式进行归一化处理,将图像缩放到固定大小为256x256x240,将数据划分成训练集和验证集,其中训练集进行10倍数据增强。
2、搭建VNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是1,epoch是300,损失函数采用二值化类dice和ce。
3、训练结果和验证结果
4、统计ROI中值大小是262x225x198,Spacing平均大小是1x1x1。图像窗宽窗位截断设置(1000,2000),然后采用z-score归一化方式进行归一化处理,将图像缩放到固定大小为256x256x240,将数据划分成训练集和验证集,其中训练集进行10倍数据增强。
5、搭建VNet3d网络,使用AdamW优化器,学习率是0.001,batchsize是1,epoch是600,损失函数采用多类dice和ce。
6、训练结果和验证结果
7、验证数据分割结果
左图是金标准结果,右图是网络预测结果。
8、测试数据分割结果
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。