Skip to main content
main-content

28.11.2018 | Original Article Open Access

A model-guided method for improving coronary artery tree extractions from CCTA images

Zeitschrift:
International Journal of Computer Assisted Radiology and Surgery
Autoren:
Qing Cao, Alexander Broersen, Pieter H. Kitslaar, Boudewijn P. F. Lelieveldt, Jouke Dijkstra
Wichtige Hinweise

Electronic supplementary material

The online version of this article (https://​doi.​org/​10.​1007/​s11548-018-1891-7) contains supplementary material, which is available to authorized users.

Abstract

Purpose

Automatically extracted coronary artery trees (CATs) from coronary computed tomography angiography images could contain incorrect extractions which require manual corrections before they can be used in clinical practice. A model-guided method for improving the extracted CAT is described to automatically detect potential incorrect extractions and improve them.

Methods

The proposed method is a coarse-to-fine approach. A coarse improvement is first applied on all vessels in the extracted CAT, and then a fine improvement is applied only on vessels with higher clinical significance. Based upon a decision tree, the proposed method automatically and iteratively performs improvement operations for the entire extracted CAT until it meets the stop criteria. The improvement in the extraction quality obtained by the proposed method is measured using a scoring system. 18 datasets were used to determine optimal values for the parameters involved in the model-guided method and 122 datasets were used for evaluation.

Results

Compared to the initial automatic extractions, the proposed method improves the CATs for 122 datasets from an average quality score of 87 ± 6 to 93 ± 4. The developed method is able to run within 2 min on a typical workstation. The difference in extraction quality after automatic improvement is negatively correlated with the initial extraction quality (R = − 0.694, P < 0.001).

Conclusion

Without deteriorating the initially extracted CATs, the presented method automatically detects incorrect extractions and improves the CATs to an average quality score of 93 guided by anatomical statistical models.

Unsere Produktempfehlungen

e.Med Interdisziplinär

Kombi-Abonnement

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

e.Med Chirurgie

Kombi-Abonnement

Mit e.Med Chirurgie erhalten Sie Zugang zu CME-Fortbildungen des Fachgebietes Chirurgie, den Premium-Inhalten der chirurgischen Fachzeitschriften, inklusive einer gedruckten chirurgischen Zeitschrift Ihrer Wahl.

e.Med Radiologie

Kombi-Abonnement

Mit e.Med Radiologie erhalten Sie Zugang zu CME-Fortbildungen des Fachgebietes Radiologie, den Premium-Inhalten der radiologischen Fachzeitschriften, inklusive einer gedruckten Radiologie-Zeitschrift Ihrer Wahl.

Zusatzmaterial
Supplementary material 1 (DOCX 1212 kb)
11548_2018_1891_MOESM1_ESM.docx
Literatur
Über diesen Artikel

Neu im Fachgebiet Radiologie

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.

Bildnachweise