PPCAR-Net：从稀疏X光视图重建冠状动脉结构

摘要

稀疏视图 3D 冠状动脉重建通常依赖于交叉视图对应和三角测量，这容易受到血管重叠和透视缩短的影响，或者依赖于体积预测，然后进行血管图提取，这不直接提供中心线和半径。我们引入了 PPCAR-Net，这是一种投影细化的参数化冠状动脉重建网络，它可以直接预测分支结构的中心线和半径表示，而无需显式的点匹配、三角测量或中间体积。给定可变数量的分段视图，粗略预测器将冻结的 VGGT 特征与学习的分支查询相结合，以估计分支存在、B 样条中心线轨迹和密集半径轮廓。然后，投影引导的几何和半径细化器从输入视图中采样局部证据，并应用通过 3D 监督学习到的残余校正。我们定量和定性地评估表示保真度和稀疏视图重建。在从 CT 衍生的冠状动脉解剖生成的模拟血管造影掩模上，PPCAR-Net 可以产生更好的连接动脉重建，并实现强大的中心线精度，特别是对于 RCA，同时保持有竞争力的体积重叠。从粗到精的推理耗时 121 毫秒，可实现实时重建。

PPCAR-Net：从稀疏X光视图重建冠状动脉结构：论文原图 — 图 1：冠状动脉树和血管代码表示。 (A) RCA 树示意图，显示右冠状动脉 (RCA)、后外侧支 (PLB)、后降支 (PDA) 和急性边缘支 (AM)； (B) LCA 树示意图，显示左主动脉 (LM)、左前降支动脉 (LAD) 和左回旋支动脉 (LCX)； (C) 分支的密集中心线 𝒄m,n\bm{c}_{m,n} 和半径 rm,nr_{m,n} 表示； (D) 分支 mm 中心线的 B 样条表示，其中深蓝色点表示 B 样条控制点 𝒑m,j\bm{p}_{m,j} 以及它们定义的浅蓝色中心线。