基于图卷积网络深度特征融合的颅内动脉标记
图像与视频处理
2022-11-02 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
颅内动脉是为大脑供应含氧血液的关键血管。颅内动脉标记可为众多临床应用与疾病诊断提供有价值的引导和导航。已有多种机器学习算法用于脑动脉解剖标记的自动化。然而，由于颅内动脉的高复杂性与变异性，该任务仍具挑战性。本研究探讨了一种具有深度特征融合的新颖图卷积神经网络用于脑动脉标记。我们在编码器-核心-解码器架构中引入堆叠图卷积，从图节点及其邻域中提取高层表示。此外，我们高效地聚合来自不同层级的中间特征，以增强所提模型的表示能力与标记性能。我们在公共数据集上进行了大量实验，结果以明显优势证明了我们的方法优于基线。
关键词
引用
@article{arxiv.2205.10757,
title = {Deep Feature Fusion via Graph Convolutional Network for Intracranial Artery Labeling},
author = {Yaxin Zhu and Peisheng Qian and Ziyuan Zhao and Zeng Zeng},
journal= {arXiv preprint arXiv:2205.10757},
year = {2022}
}
备注
Accepted by the 44th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2022)