ImageTBAD2021——B 型主动脉夹层自动分割

今天将分享B 型主动脉夹层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、ImageTBAD2021介绍

B型主动脉夹层（TBAD）是血液通过主动脉内膜撕裂涌出，导致内膜和中膜分离，并形成假腔（通道），这是最严重的心血管疾病之一 。TBAD 每年影响十万分之三的人。大约 20% 的 TBAD 患者在入院前死亡，如果不接受治疗，前 24 小时内每小时有 1-3% 的患者死亡，第一周死亡30%，第 2 周死亡80%， 第一年就达到 90%。据报道，通过胸主动脉腔内修复 (TEVAR) 手术和适当的治疗，患者的 30 天死亡率极低，为 10% 或更低。近年来，TBAD因其发病率逐年增加以及疾病预后的严重性而引起了广泛关注。

计算机断层扫描血管造影（CTA）通常用于TBAD的诊断、手术计划和预后。特别是，CTA中解剖特征的量化评估在手术过程和预后治疗计划中发挥着关键作用。真腔（TL）、假腔（FL）和假腔血栓（FLT）的分割是量化评估的重要一步。然而，手动逐层分割耗时且需要专业知识，而目前的计算机辅助方法侧重于整个主动脉的分割，无法分割TL、FL或FLT，迫切需要自动分割TBAD的子结构 。事实上，FLT的量化评估对于手术计划和预后也至关重要。首先，临床放射学报告中的FLT描述在指导血管内介入手术中发挥着关键作用。其次，FLT 极大地影响患者的术后并发症，因此也是出院后死亡率的重要独立预测因子。自动、高效、准确的 FLT 评估对于医生做出 TBAD 决策特别有用。

二、ImageTBAD2021任务

B型主动脉夹层（TBAD）的真腔（TL）、假腔（FL）和假腔血栓（FLT）自动分割。

三、ImageTBAD2021数据集

ImageTBAD 数据集由 2013 年 1 月 1 日至 2015 年 4 月 23 日从广东省人民医院收集的总共 100 张 3D CTA 图像组成。图像通过两种扫描仪（西门子 SOMATOM Force 和飞利浦 256层Brilliance）获取 iCT系统）。所有图像均为术前TBAD CTA图像，在轴向视图中，顶部和底部分别为颈部和头臂血管。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 TBAD 方面拥有丰富的经验。每幅图像的分割标签由一名放射科医生完成并由另一名放射科医生检查。标记每张图像的时间约为 1-1.5 小时。分割标记包括三个子结构：TL、FL 和 FLT。有68个图像包含FLT，而32个图像不包含 FLT。

数据集下载：

https://www.kaggle.com/datasets/xiaoweixumedicalai/imagetbad

四、技术路线

1、人体ROI区域提取，采用固定阈值和最大连通域法得到人体ROI，从原图和Mask中提取ROI区域。

2、分析ROI图像，得到图像平均大小是510x316x351，因此将图像缩放到固定大小320x256x256。图像预处理，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，并对训练数据进行数据增强扩增5倍。

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、验证集部分分割结果

左图是金标准结果，右图是预测结果。

6、测试集部分分割结果

左图是金标准结果，右图是预测结果。