基于交叉Transformer网络的深度3D血管分割
图像与视频处理
2022-08-24 v2
摘要
冠状动脉微血管疾病对人类健康构成重大威胁。计算机辅助分析/诊断系统帮助医生在疾病早期进行干预，其中3D血管分割是基础步骤。然而，缺乏精细标注的数据集以支持算法开发与评估。另一方面，常用的 U-Net 结构常产生不连通且不准确的分割结果，尤其是对小血管结构。本文中，受数据稀缺性驱动，我们首先构建了两个大规模血管分割数据集，包含由经验丰富的放射科医生进行像素级标注的 100 和 500 个计算机断层扫描（CT）体积。为增强 U-Net，我们进一步提出交叉 Transformer 网络（CTN）用于细粒度血管分割。在 CTN 中，一个 Transformer 模块与 U-Net 并行构建以学习不同解剖区域间的长距离依赖；这些依赖在多阶段传达给 U-Net 以赋予其全局感知。在两个内部数据集上的实验结果表明，该混合模型通过考虑跨区域的拓扑信息缓解了意外的断裂。我们的代码及训练好的模型已在 https://github.com/qibaolian/ctn 公开可用。
引用
@article{arxiv.2208.10148,
title = {Deep 3D Vessel Segmentation based on Cross Transformer Network},
author = {Chengwei Pan and Baolian Qi and Gangming Zhao and Jiaheng Liu and Chaowei Fang and Dingwen Zhang and Jinpeng Li},
journal= {arXiv preprint arXiv:2208.10148},
year = {2022}
}
备注
7 pages