基于血管先验双通道三维UNet 3+的气管树建模
图像与视频处理
2026-02-12 v2 机器学习
摘要
肺部气管树建模对于肺部疾病的诊断至关重要，尤其对于X射线计算机断层扫描(CT)。CT图像上的气管树建模可为专家提供壁厚度等三维测量数据。这些信息可极大辅助慢性阻塞性肺疾病等肺部疾病的诊断[1-4]。许多学者尝试了多种气管树建模方法，按性质可分为两大类，即基于模型的方法与深度学习方法。典型基于模型方法的性能通常依赖于模型参数的手动调优，这既是优势也是劣势。优势在于其不需要大量训练数据，这对医学影像等小数据集有益。另一方面，基于模型方法的性能可能是一种误解[5,6]。近年来，深度学习在医学图像处理领域取得良好成果，许多学者将基于UNet的方法用于医学图像分割[7-11]。在UNet的所有变体中，UNet 3+[11]相较其余变体有相对较好的结果。因此，为进一步提高肺部气管树建模精度，本研究将Frangi滤波器[5]与UNet 3+[11]结合，开发双通道三维UNet 3+。Frangi滤波器用于提取类血管特征。该类血管特征随后作为输入，引导双通道三维UNet 3+的训练与测试过程。
引用
@article{arxiv.2208.13969,
title = {Airway Tree Modeling Using Dual-channel 3D UNet 3+ with Vesselness Prior},
author = {Hsiang-Chin Chien and Ching-Ping Wang and Jung-Chih Chen and Chia-Yen Lee},
journal= {arXiv preprint arXiv:2208.13969},
year = {2026}
}
备注
The authors have decided to withdraw this manuscript in order to substantially revise the methodology and experimental design. A significantly updated version with reorganized structure and additional validation studies will be submitted in the future