面向脱色鲁休的交替优化肝脏解剖标志检测
计算机视觉与模式识别
2026-05-27 v1
摘要
肝脏表面标志检测是肝脏手术解剖指导的基本前提。然而，由于两个普遍存在的挑战，该方法在实际应用中仍不可靠：下暴露区域的光照衰减，以及像素级定位与连续曲线几何结构之间的结构不匹配。为解决这些限制，我们提出A2ONet，这是一个面向稳健肝脏标志检测的脱色鲁休交替优化网络。为缓解光照衰减，A2ONet采用照明场补偿(IFC)模块，自适应增强暗部区域，同时保持结构一致性。同时，我们引入轻量级的频率-方向选择滤波器(FOSF)，以抑制重复纹理干扰，保留显著曲线线索。基于这些稳健的表征，我们设计了交替分割-曲线优化(ASCO)解码器，通过迭代耦合稠密分割和显式曲线建模，实现对结构连续性和端点定位的相互引导，以实现优化。在L3D-2K、L3D和P2ILF上的大规模评估表明，A2ONet在各类竞争方法上均实现了一致的改进，为内手术解剖指导建立了更可靠的基础。我们的代码将在https://github.com/hyperiondk115/A2ONet上提供。
关键词
引用
@article{arxiv.2605.26630,
title = {Attenuation-Resilient Alternating Optimization for Laparoscopic Liver Landmark Detection},
author = {Lanqing Liu and Ruize Cui and Jialun Pei and Diandian Guo and Tiffany Y. So and Pheng-Ann Heng and Jing Qin},
journal= {arXiv preprint arXiv:2605.26630},
year = {2026}
}
备注
This paper has been accepted by MICCAI 2026