冠状动脉数字图像造影（CCTA）是一种有效的无创评估冠脉血管狭窄等病变情况的成像技术，对CCTA的自动筛查评估依赖于冠脉管腔的高精度分割。为探索能够分割出高质量的冠脉官腔的算法，本文进行基于深度学习的端到端分割实验以及基于中心线先验信息结合CCTA灰度特征的冠脉管腔分割实验，其中基于深度学习回归方法的Polar1DMLP模型能够结合中心线先验信息得到较好的分割效果。基于公开数据集Coronary Artery Stenoses Detection and Quantification Evaluation Framework中的78组冠脉截段数据进行训练与验证，在16段数据的验证集上得到MSD（mean surface distance）为0.169mm，DICE为0.796。结果表明本文提出的以中心线为导向信息的Polar1DMLP模型能够较好地整合血管CCTA灰度特征，回归出较为准确的冠脉血管内壁管腔轮廓半径，得到较为平滑的冠脉管腔表面模型，本方法有着较大的潜力以及拓展空间。

2.影像科学与技术实验室（东南大学），南京210096

3.中国科学院深圳先进技术研究院，广东 深圳518055

4.山东省肿瘤防治研究院，济南250117

欢迎阅读《CT理论与应用研究》！您是该文第150位读者！