Dr-SAM：用于血管造影图像血管分割、直径估计与异常检测的端到端框架
计算机视觉与模式识别
2024-04-29 v1 图像与视频处理
摘要
AI 的最新进展显著改变了医学成像，特别是在血管造影方面，提高了诊断精度和患者护理水平。然而，现有工作在分析主动脉和髂动脉方面存在局限性，尤其是在血管异常检测和表征方面。为了填补这一空白，我们提出了 Dr-SAM，这是一个用于血管分割、直径估计和异常分析的综合多阶段框架，旨在通过血管造影图像检查外周血管。在分割方面，我们在 Segment Anything Model (SAM) 之上引入了一种定制的正负点选择机制，专门用于医学（血管造影）图像。然后，我们提出了一种形态学方法来确定血管直径，随后是我们基于直方图的异常检测方法。此外，我们引入了一个新的基准数据集，用于对外周血管造影图像进行全面分析，我们希望这能促进该方向即将开展的研究，从而提高诊断精度，最终改善面临血管问题的个人的健康结果。
引用
@article{arxiv.2404.17029,
title = {Dr-SAM: An End-to-End Framework for Vascular Segmentation, Diameter Estimation, and Anomaly Detection on Angiography Images},
author = {Vazgen Zohranyan and Vagner Navasardyan and Hayk Navasardyan and Jan Borggrefe and Shant Navasardyan},
journal= {arXiv preprint arXiv:2404.17029},
year = {2024}
}