Robust Implementation of Foreground Extraction and Vessel Segmentation for X-ray Coronary Angiography Image Sequence

要約

X 線冠動脈造影 (XCA) 画像シーケンスからの造影剤で満たされた血管の抽出は、直感的な診断と治療にとって重要な臨床的意義を持っています。
この研究では、XCA 画像シーケンスを 3D テンソル入力と見なし、血管層をスパース テンソルと見なし、背景レイヤーを低ランク テンソルと見なします。
テンソル核ノルム (TNN) 最小化を使用して、テンソル ロバスト主成分分析 (TRPCA) に基づく血管層抽出の新しい方法を提案します。
さらに、血管の不規則な動きと周囲の無関係な組織の低周波の動的障害を考慮して、前景レイヤーを滑らかにするために、総変動 (TV) 規則化された時空間制約が導入されます。
続いて、不均一なコントラスト分布を有する血管層画像に対して、血管強調およびセグメンテーションのために 2 段階領域成長 (TSRG) メソッドが利用されます。
メイン ブランチを取得するための前処理としてグローバルしきい値法が使用され、ラドン様特徴 (RLF) フィルターが壊れたマイナー セグメントを強化および接続するために使用されます。最終的なバイナリ ベッセル マスクは、2 つの中間結果を組み合わせることによって構築されます。
前景抽出のための TV-TRPCA アルゴリズムの可視性は、臨床 XCA 画像シーケンスとサードパーティのデータセットで評価され、一般的に使用される血管セグメンテーション アルゴリズムのパフォーマンスを効果的に向上させることができます。
TV-TRPCA に基づいて、血管セグメンテーションの TSRG アルゴリズムの精度がさらに評価されます。
定性的および定量的な結果の両方が、既存の最先端のアプローチに対する提案された方法の優位性を検証します。

要約(オリジナル)

The extraction of contrast-filled vessels from X-ray coronary angiography (XCA) image sequence has important clinical significance for intuitively diagnosis and therapy. In this study, the XCA image sequence is regarded as a 3D tensor input, the vessel layer is regarded as a sparse tensor, and the background layer is regarded as a low-rank tensor. Using tensor nuclear norm (TNN) minimization, a novel method for vessel layer extraction based on tensor robust principal component analysis (TRPCA) is proposed. Furthermore, considering the irregular movement of vessels and the low-frequency dynamic disturbance of surrounding irrelevant tissues, the total variation (TV) regularized spatial-temporal constraint is introduced to smooth the foreground layer. Subsequently, for vessel layer images with uneven contrast distribution, a two-stage region growing (TSRG) method is utilized for vessel enhancement and segmentation. A global threshold method is used as the preprocessing to obtain main branches, and the Radon-Like features (RLF) filter is used to enhance and connect broken minor segments, the final binary vessel mask is constructed by combining the two intermediate results. The visibility of TV-TRPCA algorithm for foreground extraction is evaluated on clinical XCA image sequences and third-party dataset, which can effectively improve the performance of commonly used vessel segmentation algorithms. Based on TV-TRPCA, the accuracy of TSRG algorithm for vessel segmentation is further evaluated. Both qualitative and quantitative results validate the superiority of the proposed method over existing state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google