GAMED-Snake：基于梯度感知自适应动量演化深度蛇形模型的多器官分割
计算机视觉与模式识别
2025-03-04 v2 人工智能
摘要
Multi-organ segmentation 是一个至关紧要且富有挑战性的任务，due to complex anatomical backgrounds, blurred boundaries, and diverse morphologies. 本研究引入了 Gradient-aware Adaptive Momentum Evolution Deep Snake (GAMED-Snake) 模型，建立了一种新的基于轮廓的分割范式，将 gradient-based learning 与 adaptive momentum evolution 机制相结合。GAMED-Snake 模型包含三个主要创新点：首先，Distance Energy Map Prior (DEMP) 生成像素级的力场，有效地将轮廓点吸引 towards 真实边界，即使在复杂背景和模糊边缘的情境下也能实现；其次，Differential Convolution Inception Module (DCIM) 精确地提取全面的能量梯度，显著提高分割精度；最后，Adaptive Momentum Evolution Mechanism (AMEM) 采用 cross-attention 来建立不同演化迭代之间的 dynamic features，从而实现对多样化形态的精确边界对齐。在四个具有挑战性的多器官分割数据集上的实验结果表明，GAMED-Snake 相对于 state-of-the-art 方法提高了约2% 的 mDice 指标。代码将在 https://github.com/SYSUzrc/GAMED-Snake 上提供。
引用
@article{arxiv.2501.12844,
title = {GAMED-Snake: Gradient-aware Adaptive Momentum Evolution Deep Snake Model for Multi-organ Segmentation},
author = {Ruicheng Zhang and Haowei Guo and Zeyu Zhang and Puxin Yan and Shen Zhao},
journal= {arXiv preprint arXiv:2501.12844},
year = {2025}
}