面向半监督动脉粥样动脉斑 segmentation 的帧内外拓扑一致性方案
图像与视频处理
2025-01-15 v1 计算机视觉与模式识别
机器学习
摘要
提高从 CT 血管造影（CTA）图像中对冠状动脉动脉粥样斑块分割精度，对于先进的冠状动脉动脉粥样斑分析（CAA）至关重要，该分析区别依赖于通过曲面平面重构（Curved Planar Reformation）重建的血管横截面图像。该任务由于斑块和血管边界及结构模糊，导致当前深度学习模型性能不足， compounded by 对复杂数据标注的内在困难。为此，我们提出一种新型双一致性半监督框架，集成帧内拓扑一致性（ITC）和帧间拓扑一致性（CTC），以利用有标签和无标签数据。ITC 采用双任务网络同时预测分割掩码和骨架感知距离变换（SDT），通过一致性约束实现类似的拓扑结构预测，而无需额外标注。CTC 则利用无监督估计器分析相邻帧中骨架和边界之间的像素流，确保空间连续性。实验在两个 CTA 数据集上表明，我们的方法优于现有的半监督方法，并接近监督方法在 CAA 上的性能。此外，我们的方法在 ACDC 数据集上也表现优于其他方法，显示出良好的泛化能力。
引用
@article{arxiv.2501.07850,
title = {An Intra- and Cross-frame Topological Consistency Scheme for Semi-supervised Atherosclerotic Coronary Plaque Segmentation},
author = {Ziheng Zhang and Zihan Li and Dandan Shan and Yuehui Qiu and Qingqi Hong and Qingqiang Wu},
journal= {arXiv preprint arXiv:2501.07850},
year = {2025}
}
备注
Accepted by ICASSP 2025