3D Coronary Vessel Reconstruction from Bi-Plane Angiography using Graph Convolutional Networks

要約

X 線冠動脈造影 (XCA) は、冠動脈疾患の評価に使用され、病変の形態と重症度に関する貴重な情報を提供します。
ただし、XCA 画像は 2D であるため、血管の可視化が制限されます。
複数のビューを使用して冠状血管の 3D 再構成が可能ですが、現在のソフトウェアの管腔境界検出は手動で実行されるため、再現性が制限され、処理時間が遅くなります。
この研究では、2 つのビューからの 2D XCA 画像を使用して迅速な 3D 血管メッシュ再構成を可能にする新しい深層学習 (DL) システムである 3DAngioNet を提案します。
私たちのアプローチは、EfficientB3-UNet セグメンテーション ネットワークと投影ジオメトリを使用して粗いメッシュ テンプレートを学習し、グラフ畳み込みネットワークを使用して変形します。
3DAngioNet は、同様の自動再構成法よりも優れており、効率が向上し、分岐血管のモデリングが可能になります。
このアプローチは、熟練した心臓専門医によって検証された最先端のソフトウェアを使用して検証されました。

要約(オリジナル)

X-ray coronary angiography (XCA) is used to assess coronary artery disease and provides valuable information on lesion morphology and severity. However, XCA images are 2D and therefore limit visualisation of the vessel. 3D reconstruction of coronary vessels is possible using multiple views, however lumen border detection in current software is performed manually resulting in limited reproducibility and slow processing time. In this study we propose 3DAngioNet, a novel deep learning (DL) system that enables rapid 3D vessel mesh reconstruction using 2D XCA images from two views. Our approach learns a coarse mesh template using an EfficientB3-UNet segmentation network and projection geometries, and deforms it using a graph convolutional network. 3DAngioNet outperforms similar automated reconstruction methods, offers improved efficiency, and enables modelling of bifurcated vessels. The approach was validated using state-of-the-art software verified by skilled cardiologists.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google