DIAS：用于 DSA 序列中颅内动脉分割的数据集与基准
图像与视频处理
2024-07-09 v4 计算机视觉与模式识别
摘要
数字减影血管造影（DSA）中颅内动脉（IA）的自动分割在血管形态量化中起着关键作用，极大促进了计算机辅助卒中研究与临床实践。当前研究主要聚焦于使用专有数据集进行单帧 DSA 的分割。然而，这些方法面临单帧 DSA 固有局限性的挑战，即其仅部分显示血管对比剂，从而阻碍准确的血管结构表征。本工作中，我们引入 DIAS，一个专为 DSA 序列中 IA 分割开发的数据集。我们建立了评估 DIAS 的全面基准，涵盖全监督、弱监督和半监督分割方法。具体而言，我们提出血管序列分割网络，其中序列特征提取模块有效捕获血管内对比剂的时空表征，实现 2D+时间 DSA 序列中的颅内动脉分割。对于弱监督 IA 分割，我们提出一种新颖的基于涂鸦学习的图像分割框架，其在涂鸦标签指导下，采用交叉伪监督与一致性正则化提升分割网络性能。此外，我们引入基于随机块的自我训练框架，旨在缓解因标注 DSA 数据有限而导致的 IA 分割性能制约。我们在 DIAS 数据集上的大量实验证明了这些方法作为未来研究与临床应用潜在基线的有效性。数据集与代码公开于 https://doi.org/10.5281/zenodo.11396520 和 https://github.com/lseventeen/DIAS。
引用
@article{arxiv.2306.12153,
title = {DIAS: A Dataset and Benchmark for Intracranial Artery Segmentation in DSA sequences},
author = {Wentao Liu and Tong Tian and Lemeng Wang and Weijin Xu and Lei Li and Haoyuan Li and Wenyi Zhao and Siyu Tian and Xipeng Pan and Huihua Yang and Feng Gao and Yiming Deng and Xin Yang and Ruisheng Su},
journal= {arXiv preprint arXiv:2306.12153},
year = {2024}
}