F2PASeg：面向内镜手术中垂体解剖分割的特征融合
计算机视觉与模式识别
2025-08-08 v1 系统与控制
图像与视频处理
系统与控制
摘要
垂体肿瘤常导致邻近关键结构的变形或包裹。解剖结构分割可为外科医生提供具有手术风险区域的早期预警，从而提升垂体手术的安全性。然而，用于垂体手术的像素级标注视频流数据集极为罕见。为应对这一挑战，我们引入了一个新的垂体解剖分割数据集。PAS 包含从 120 个视频中提取的 7,845 张时间连贯图像。为缓解类别不平衡，我们应用模拟训练数据中手术器械存在的数据增强技术。垂体解剖分割中的一个主要挑战是，由于遮挡、相机运动和手术出血导致特征表示不一致。通过引入特征融合模块，我们提出 F2PASeg，利用高分辨率图像特征和深层语义嵌入来细化解剖结构分割，增强对术中变化的鲁棒性。实验结果表明，F2PASeg 能够实时一致地分割关键解剖结构，为术中垂体手术规划提供可靠解决方案。代码：https://github.com/paulili08/F2PASeg。
引用
@article{arxiv.2508.05465,
title = {F2PASeg: Feature Fusion for Pituitary Anatomy Segmentation in Endoscopic Surgery},
author = {Lumin Chen and Zhiying Wu and Tianye Lei and Xuexue Bai and Ming Feng and Yuxi Wang and Gaofeng Meng and Zhen Lei and Hongbin Liu},
journal= {arXiv preprint arXiv:2508.05465},
year = {2025}
}