DeNVeR：用于无监督视频血管分割的可变形神经血管表示
计算机视觉与模式识别
2025-03-26 v4
摘要
本文提出了 Deformable Neural Vessel Representations (DeNVeR)，一种用于 X 射线血管造影视频无监督血管分割的方法。DeNVeR 利用光流和层分离技术，通过测试时间训练来增强分割精度和适应性。关键贡献包括一种新颖的层分离引导技术、平行血管运动损失，以及对欧拉运动场用于建模复杂血管动力学的整合。本研究的重要组成部分是引入 XACV 数据集，这是第一个带有高质量人工标记分割基准的 X 射线血管冠状动脉视频数据集。在 XACV 和 CADICA 数据集上的广泛评估表明，DeNVeR 在血管分割精度和泛化能力方面优于当前最先进的方法，同时保持时间一致性。
引用
@article{arxiv.2406.01591,
title = {DeNVeR: Deformable Neural Vessel Representations for Unsupervised Video Vessel Segmentation},
author = {Chun-Hung Wu and Shih-Hong Chen and Chih-Yao Hu and Hsin-Yu Wu and Kai-Hsin Chen and Yu-You Chen and Chih-Hai Su and Chih-Kuo Lee and Yu-Lun Liu},
journal= {arXiv preprint arXiv:2406.01591},
year = {2025}
}
备注
Paper accepted to CVPR 2025. Project page: https://kirito878.github.io/DeNVeR/