Digital Reconstructed Radiographs

新框架生成用于AI模型训练的合成冠状动脉造影数据

研究人员开发了一个新颖的框架来生成合成冠状动脉造影图像，解决了开发用于3D冠状动脉重建的深度学习模型时数据稀缺的问题。该框架从3D冠状动脉CT血管造影（CCTA）体积中合成高保真度数字重建放射照片（DRRs），模拟真实的采集几何结构和解剖结构，以生成无需人工标注的准确3D到2D投影标签。生成的數據使得能够训练一个几何信息匹配模块（GIMM），该模块整合了全局特征和解剖结构，以改进对应学习和评估。