A vascular synthetic model for improved aneurysm segmentation and detection via Deep Neural Networks

要約

我々は、脳動脈、分岐部、頭蓋内動脈瘤といった脳血管樹のさまざまな構成要素を模倣できる完全な合成モデルをここに提示します。
このモデルを構築することで、私たちの目標は、さまざまな血管疾患 (動脈解離/血栓症など) や一部の血管疾患をセグメント化または検出/認識するために 3D 畳み込みニューラル ネットワーク (CNN) で使用できる脳動脈の実質的なデータセットを提供することでした。
分岐部や動脈瘤などの脳血管系の部分。
この研究では、特に頭蓋内動脈瘤 (ICA) の検出とセグメンテーションに焦点を当てます。
脳動脈瘤は、ウィリス輪と呼ばれる血管樹の特定の構造で最も多く発生します。
ICA を検出および監視するためにさまざまな研究が行われており、深層学習 (DL) に基づくものは最高のパフォーマンスを実現します。
具体的には、この研究では、磁気共鳴血管造影法 (MRA)、特に飛行時間 (TOF) 原理によって取得された脳血管系を模倣できる完全合成 3D モデルを提案します。
さまざまな MRI モダリティの中でも、MRA-TOF は比較的良好な血管のレンダリングを可能にし、非侵襲性 (造影剤の注入が不要) です。
私たちのモデルは、動脈の形状、ICA の形状、バックグラウンド ノイズを同時に模倣するように設計されています。
血管樹の形状は 3D スプライン関数による補間によってモデル化され、バックグラウンド MRI ノイズの統計的特性が MRA 取得から収集され、モデル内で再現されます。
この研究では、合成血管系モデルを徹底的に記述し、ICA セグメンテーションと検出用に設計されたニューラル ネットワークを構築し、最後に、合成モデルのデータ拡張のおかげで得られるパフォーマンス ギャップの詳細な評価を実行します。

要約(オリジナル)

We hereby present a full synthetic model, able to mimic the various constituents of the cerebral vascular tree: the cerebral arteries, the bifurcations and the intracranial aneurysms. By building this model, our goal was to provide a substantial dataset of brain arteries which could be used by a 3D Convolutional Neural Network (CNN) to either segment or detect/recognize various vascular diseases (such as artery dissection/thrombosis) or even some portions of the cerebral vasculature, such as the bifurcations or aneurysms. In this study, we will particularly focus on Intra-Cranial Aneurysm (ICA) detection and segmentation. The cerebral aneurysms most often occur on a particular structure of the vascular tree named the Circle of Willis. Various studies have been conducted to detect and monitor the ICAs and those based on Deep Learning (DL) achieve the best performances. Specifically, in this work, we propose a full synthetic 3D model able to mimic the brain vasculature as acquired by Magnetic Resonance Angiography (MRA), and more particularly the Time Of Flight (TOF) principle. Among the various MRI modalities, the MRA-TOF allows to have a relatively good rendering of the blood vessels and is non-invasive (no contrast liquid injection). Our model has been designed to simultaneously mimic the arteries geometry, the ICA shape and the background noise. The geometry of the vascular tree is modeled thanks to an interpolation with 3D Spline functions, and the statistical properties of the background MRI noise is collected from MRA acquisitions and reproduced within the model. In this work, we thoroughly describe the synthetic vasculature model, we build up a neural network designed for ICA segmentation and detection, and finally, we carry out an in-depth evaluation of the performance gap gained thanks to the synthetic model data augmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google