一、SMILE-UHURA Challenge 2023介绍
颅内动脉瘤、动静脉畸形和缺血性卒中的诊断和治疗通常依赖于脑血管系统的高分辨率 3D 图像。3D 形态分析、治疗模拟和治疗指导的使用推动了现有血管形态学和拓扑分析技术的发展和改进,但所有这些技术都强烈依赖于从血管造影图像中准确分割脑血管系统。众所周知,这项任务是一个具有挑战性的问题,由于存在多个小血管、目标结构的内在稀疏性、不均匀的对比分布以及复杂而独特的解剖结构。尽管困难重重,但血管分割仍然是医学图像评估辅助领域中一个潜在的相关问题1.这些分割主要用于脑血管系统的形态学和拓扑学分析,从而可以进行血流模拟2(通常为计算流体动力学 - CFD),以及血管内治疗的部署模拟和指导3(例如,在脑动脉瘤上)。因此,挑战赛集中在获取精确且连接的脑血管分段上,这些分段密集地覆盖了从每个图像的主供血动脉分支的血管。
人脑通过大脑中的血管接收营养和氧气。小血管的病理学,即介观尺度,是脑血液供应的脆弱组成部分,可导致严重的并发症,如脑小血管疾病 (CSVD)。随着 7T MRI 系统的进步,可以达到更高的空间图像分辨率,从而可以在大脑中可视化此类血管。通过结合自动预分割和大量手动调整,生成了使用 7T MRI 获取的飞行时间 (ToF) 血管造影的注释数据集。
二、SMILE-UHURA Challenge 2023任务
磁共振血管造影血管分割。
三、SMILE-UHURA Challenge 2023数据集
该数据由具有 16 位表示的 NIfTI 卷组成,图像分辨率为 0.227x0.227x0.227mm,由介入神经放射科医生使用 GE INNOVA 3D(通用电气公司,美国马萨诸塞州波士顿)从颅内动脉瘤患者中获取,位于法国图尔 CHRU Hôpitaux de Tours。这些图像捕获了患者的大部分头部;通过在图像采集过程中进行的不透射线的造影剂注射,相关的血管结构变得可见,并且颅骨也存在(未对图像应用减法方案)。数据库中的每张图像都包括从颈内动脉 (ICA) 分支的脑动脉的手动分割。两位在神经血管解剖学和 X 射线图像方面经验丰富的研究人员使用 3DSlicer 界面仔细描绘和交叉检查了这些图像。
评价指标:dice和cldice。
四、技术路线
在这篇文章中已经介绍过深度学习和传统算法分割脑血管的实现方法,可以参考这篇文章CAS2023——脑动脉分割挑战赛。
深度学习分割结果
左图是金标准结果,右图是预测结果。
海森矩阵分割结果
左图是金标准结果,右图是预测结果。