利用扩散模型和图像基础模型提升冠状动脉造影中的对应匹配效果

《IEEE Transactions on Medical Imaging》：Leveraging Diffusion Model and Image Foundation Model for Improved Correspondence Matching in Coronary Angiography

冠状动脉造影图像准确配准对三维血管结构重建至关重要。针对传统方法在X光图像中泛化性差的问题，本文提出基于扩散模型的合成数据生成方法，利用CCTA三维重建网格的二维投影生成高质配对图像，并结合大规模图像基础模型优化特征聚合，显著提升配准精度。实验证明该方法在合成和真实数据集上均表现优异，并验证了不同基础模型在医学影像配准中的有效性。

　　

摘要：

在冠状动脉造影图像中进行准确的对应关系匹配对于重建三维冠状动脉结构至关重要，这对于精确诊断和治疗冠状动脉疾病（CAD）至关重要。传统的自然图像匹配方法通常无法泛化到X射线图像上，因为两者之间存在固有的差异，如缺乏纹理、对比度较低以及结构重叠等问题，而这些问题又因训练数据不足而加剧。为了解决这些挑战，我们提出了一种新的流程，该流程利用基于冠状动脉计算机断层扫描（CCTA）重建的3D网格的2D投影的扩散模型来生成逼真的配对冠状动脉造影图像，从而提供高质量的合成数据用于训练。此外，我们还采用了大规模的图像基础模型来指导特征聚合，通过关注语义相关区域和关键点来提高对应关系匹配的准确性。我们的方法在合成数据集上表现出优越的匹配性能，并且能够有效泛化到真实世界的数据集，为这一任务提供了实用的解决方案。此外，我们的工作还研究了不同基础模型在对应关系匹配中的有效性，为利用先进的图像基础模型进行医学成像应用提供了新的见解。