HarmonySeg：基于深浅特征融合与生长抑制平衡损失的管状结构分割
图像与视频处理
2025-04-11 v1 计算机视觉与模式识别
摘要
医学图像中管状结构（如血管和气道树）的准确分割对于计算机辅助诊断、放射治疗和手术规划至关重要。然而，面对这些结构多样的尺寸、复杂的拓扑以及（通常）不完整的数据标注，算法设计存在重大挑战。我们通过提出一种名为 HarmonySeg 的新型管状结构分割框架来解决这些困难。首先，我们设计了一种具有不同感受野的灵活卷积块的深至浅解码器网络，使模型能够有效适应不同尺度的管状结构。其次，为了突出潜在的解剖区域并提高小管状结构的召回率，我们将血管图作为辅助信息纳入。这些图通过浅深融合模块与图像特征对齐，同时消除不合理的候选以保持高精度。最后，我们引入了一种拓扑保持损失函数，利用上下文和形状先验来平衡管状结构的生长和抑制，这也使得模型能够处理低质量和不完整的标注。在四个公开数据集上进行了大量定量实验。结果表明，我们的模型能够准确分割 2D 和 3D 管状结构，并优于现有的 SOTA 方法。在私有数据集上的外部验证也证明了良好的泛化能力。
引用
@article{arxiv.2504.07827,
title = {HarmonySeg: Tubular Structure Segmentation with Deep-Shallow Feature Fusion and Growth-Suppression Balanced Loss},
author = {Yi Huang and Ke Zhang and Wei Liu and Yuanyuan Wang and Vishal M. Patel and Le Lu and Xu Han and Dakai Jin and Ke Yan},
journal= {arXiv preprint arXiv:2504.07827},
year = {2025}
}