冠狀動脈電腦斷層掃描與血管內影像的形態學非剛性配準：通過虛擬導管路徑優化

Keskeiset käsitteet

本文提出了一種基於形態學的框架,用於將血管內影像與冠狀動脈電腦斷層掃描影像進行剛性和非剛性配準。通過找到最佳的虛擬導管路徑,以重現血管內影像中觀察到的冠狀動脈形態,實現了兩種影像模態之間的配準。

Tiivistelmä

本文提出了一種基於形態學的框架,用於將血管內影像(如光學相干斷層掃描)與冠狀動脈電腦斷層掃描(CCTA)影像進行剛性和非剛性配準。

首先,通過初始剛性配準步驟,找到虛擬導管路徑在CCTA影像空間中的初始位置和姿態。然後,通過非剛性配準步驟,對虛擬導管路徑進行伸展、扭轉和彎曲,使其能夠在CCTA影像空間中重現血管內影像觀察到的冠狀動脈形態。

作者在一個包含40名患者的多中心數據集上驗證了該框架的性能。結果表明,與離散優化方法相比,該框架在縱向和旋轉配準方面都有顯著改善。通過提供一個可微分的多模態血管配準框架,該方法減少了手動工作量,並為基於機器學習的配準方法的發展奠定了基礎。

Tilastot

冠狀動脈電腦斷層掃描影像的體素尺寸為0.25 mm。
光學相干斷層掃描影像的橫向分辨率為80微米,縱向分辨率為0.4 mm。
在40名患者的數據集中,共標註了114個分叉點。

Lainaukset

"通過提供一個可微分的多模態血管配準框架,該方法減少了手動工作量,並為基於機器學習的配準方法的發展奠定了基礎。"
"結果表明,與離散優化方法相比,該框架在縱向和旋轉配準方面都有顯著改善。"

Tärkeimmät oivallukset

Morphology-based non-rigid registration of coronary computed tomography and intravascular images through virtual catheter path optimization

by Karim Kadry,... klo arxiv.org 10-03-2024

https://arxiv.org/pdf/2301.00060.pdf

Syvällisempiä Kysymyksiä

該框架是否可以擴展到其他血管內影像模態,如超聲波成像(IVUS)?

該框架具有良好的擴展性，可以應用於其他血管內影像模態，如超聲波成像(IVUS)。由於該配準方法是基於形態學的，並且不依賴於特定的影像模態，只要能夠獲得相應的腔道分割，該框架就能夠有效地進行配準。IVUS影像能夠提供高解析度的腔道和斑塊結構，這使得其在與冠狀計算機斷層掃描(CCTA)影像進行配準時，能夠提供豐富的形態學信息。此外，該框架的非剛性配準步驟可以靈活地處理由於心臟運動或導管運動引起的變形，這對於IVUS影像的配準尤為重要。因此，未來可以考慮將該框架擴展至IVUS影像的自動化配準，進一步提高臨床應用的準確性和效率。

如何進一步提高在缺乏明顯解剖標誌的血管段的配準精度?

在缺乏明顯解剖標誌的血管段中，提高配準精度的策略可以包括以下幾個方面。首先，可以利用上下文信息來增強配準過程，例如通過引入周圍血管的形態學特徵來輔助配準。這可以通過機器學習方法來實現，訓練模型識別和預測血管的潛在結構特徵。其次，應用更高級的圖像處理技術，如多尺度分析和特徵提取，來捕捉微小的形狀變化，這對於在缺乏明顯標誌的區域尤為重要。此外，考慮使用基於深度學習的自動化分割技術來提高腔道和血管壁的分割精度，這將有助於提供更準確的形態學信息，從而改善配準結果。最後，進行多模態數據融合，結合來自不同影像模態的信息，將有助於在缺乏明顯解剖標誌的情況下提高配準的穩健性和準確性。

基於該配準框架,是否可以開發出自動化的冠狀動脈數字孿生模型構建方法?

基於該配準框架，確實可以開發出自動化的冠狀動脈數字孿生模型構建方法。該框架的非剛性配準能力使其能夠準確地對齊CCTA和血管內影像，從而獲得高保真的腔道和斑塊結構。通過自動化的配準過程，可以生成患者特異性的數字孿生模型，這些模型能夠反映出冠狀動脈的實際生理狀態。進一步地，這些數字孿生模型可以用於模擬血流動力學、機械壓力等生物物理現象，從而為臨床決策提供支持。此外，結合機器學習技術，這些模型可以不斷更新和優化，隨著新數據的進入，實現動態的數字孿生模型構建。因此，該配準框架不僅能夠提高影像配準的準確性，還能為冠狀動脈數字孿生模型的自動化構建提供堅實的基礎。