BioVessel-Net 与 RetinaMix：基于 OCTA 图像的无监督视网膜血管分割
计算机视觉与模式识别
2025-09-30 v1 人工智能
摘要
视网膜血管的结构变化是诊断和预测疝角及其他眼部疾病的关键生物标志物。然而，当前的血管分割方法大多依赖监督学习，需大量手动标注——这既成本高昂又容易出错，且在光学相干层析血管图（OCTA）中难以获取。为此，我们提出了 BioVessel-Net，一种无监督生成式框架，集成血管生物统计特性、对抗性精炼及半径引导分割策略。不同于像素级方法，BioVessel-Net 直接建模血管结构，实现无需标注数据或高性能计算即可完成精准且可解释的血管提取。为支持训练与评估，我们引入 RetinaMix，一个包含 2D 与 3D OCTA 图像的数据集，涵盖来自不同人群的高分辨率血管细节。实验结果表明，BioVessel-Net 在 RetinaMix 及现有数据集上实现接近完美的分割精度，显著优于最新的监督式和半监督式方法。BioVessel-Net 与 RetinaMix 一起提供了一个无标签、计算高效且临床可解释的视网膜血管分析解决方案，具有广泛的潜在应用价值，包括疝角监测、血流建模及病情预测。代码与数据集已公开：https://github.com/VikiXie/SatMar8。
引用
@article{arxiv.2509.23617,
title = {BioVessel-Net and RetinaMix: Unsupervised Retinal Vessel Segmentation from OCTA Images},
author = {Cheng Huang and Weizheng Xie and Fan Gao and Yutong Liu and Ruoling Wu and Zeyu Han and Jingxi Qiu and Xiangxiang Wang and Zhenglin Yang and Hao Wang and Yongbin Yu},
journal= {arXiv preprint arXiv:2509.23617},
year = {2025}
}