Vesselpose：学習したボクセル単位の方向ベクトルによる3D血管画像からの血管グラフ再構成

概要: 血管のセグメンテーションとトレーシングは、多くの医用画像処理アプリケーションにおいて不可欠な課題である。数多くの手法が存在するものの、従来の「セグメントしてから修正する（segment-then-fix）」というパラダイムは、完全で位相的に正確な血管ネットワーク再構成という課題をモデル化する点で、本質的に限界がある。ここでは、細胞セグメンテーションおよびトラッキングといった関連する生物医学的課題における非常に成功したアイデアを土台として、3D画像データからより位相的に正確な血管グラフを抽出するためのアプローチを提案する。まず、このアプローチは標準的な血管セグメンテーションマスクとともに、ボクセルごとの血管方向ベクトルを予測する。次に、これらの予測から血管グラフを抽出するために、TEASARアルゴリズムの方向ベクトル誘導型の拡張を導入する。本アプローチは、合成画像と実画像の両方を含む3つのベンチマークデータセットにおいて最先端の性能を達成する。さらに、本アプローチが、ラットの心臓血管系に関する困難な3DマイクロCTスキャンに適用できることを示す。最後に、グラフに対する位相誤りを意味のある形で解釈可能に測定する指標として、偽の分割（false splits）と偽の結合（false merges）を提案する。全体として、本アプローチは再構成された血管グラフの位相的精度を大幅に改善し、互いに密接して接している血管セグメントを分離でき、さらに1つのボリューム内に複数の血管ツリーを扱えるようになる。