用于CCTA图像中冠状动脉和斑块分割的Mask SAM 3D算法

《International Journal of Computer Assisted Radiology and Surgery》：Mask SAM 3D for coronary artery and plaque segmentation in CCTA images

冠状动脉疾病严重威胁人类健康，本研究首次提出Mask SAM 3D框架实现冠状动脉和斑块联合分割，通过nnUNet生成动脉先验 skeleton，结合斑块自适应器与原型引导预测模块提升分割精度，在自建120例CCTA数据集上动脉Dice达84.5%，斑块Dice达55.2%，优于现有方法，并开源数据集和代码。

　　

摘要

目的

冠状动脉疾病是全球主要的发病率和死亡率原因，尤其是在患有梗阻性冠状动脉疾病（CAD）的患者中。精确分割冠状动脉和动脉粥样硬化斑块对于有效治疗至关重要。然而，此前没有研究在统一的框架内同时处理这两者的分割问题，这激发了我们的研究工作。

方法

我们构建了一个名为PCCTA120的数据集，其中包含120个冠状动脉计算机断层扫描（CCTA）图像，每个图像都标注了手动绘制的冠状动脉和动脉粥样硬化斑块的掩膜。随后，我们提出了Mask SAM 3D这一创新框架，用于这两部分的联合分割。在冠状动脉内定位斑块的背景下，由于冠状动脉的复杂结构以及斑块外观的细微差异，准确识别斑块是一项复杂的任务。为简化这一挑战，我们认识到需要一个可靠的、定义明确的动脉骨架作为先验信息，并提出首先使用nnUNet生成精确的冠状动脉掩膜。随后，我们开发了一种新型的、具有斑块识别功能的适配器，通过利用生成的冠状动脉掩膜中嵌入的先验信息来增强语义交互并提高斑块定位的准确性。同时，为了提高模型在准确联合分割方面的判别能力，引入了一个原型引导的预测模块，该模块能够动态地将嵌入的特征聚类到特定类别的原型中。

结果

在我们自建的数据集上进行的实验表明，我们的方法在动脉分割方面的Dice相似系数达到了84.5%，在斑块分割方面达到了55.2%，优于当前最先进的方法。

结论

首先，我们发布了一个新的冠状动脉和动脉粥样硬化斑块分割数据集PCCTA120，以推动心血管研究领域的发展。同时，我们的Mask SAM 3D框架不仅能够提高动脉分割的准确性，还能提升斑块分割的准确性。源代码和数据集将公开提供。