结合CNN与测地线的树模型拟合以追踪血管及其在超声定位显微数据中的应用
计算机视觉与模式识别
2024-10-28 v1
摘要
血管成像中管状结构的分割是一项被充分研究的任务，尽管我们很少尝试注入待检测区域树状结构的知识。我们的工作聚焦于检测血管网络中的重要地标（通过执行感兴趣点定位与分类的CNN），并将血管表示为某最小距离树图中的边。我们利用与血管及其几何检测相关的测地方法，借助位置与方向空间，使二维血管能准确表示为树。我们构建模型以在超声定位显微（ULM）数据上执行追踪，并提出为此类数据上的追踪构建良好的代价函数。我们还在合成数据与眼底数据上测试了我们的框架。结果表明，标注良好的ULM数据匮乏是血管地标定位的障碍，但由ULM数据构建的取向得分（Orientation Score）为血管追踪提供了良好的测地线。
引用
@article{arxiv.2311.07188,
title = {Fitting tree model with CNN and geodesics to track vesselsand application to Ultrasound Localization Microscopy data},
author = {Théo Bertrand and Laurent D. Cohen},
journal= {arXiv preprint arXiv:2311.07188},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication