HRVVS：基于层次自回归残差先验的高分辨率视频血管分割网络
计算机视觉与模式识别
2025-08-01 v2 人工智能
摘要
肝脏手术视频中血管的分割在肝切除程序中具有重要的临床意义。然而，由于数据集不足以及任务本身的复杂性，该领域已很少有研究报道。为此，我们首次引入了一个由 35 部长期肝切除手术视频和 11442 帧高分辨率图像构成的高质量逐帧标注肝脏血管数据集。基于此，我们提出一种新型的高分辨率视频血管分割网络，称为 HRVVS。我们创新性地将预训练的自回归模型嵌入到层次编码器的不同层，作为先验信息以减少在下采样过程中产生的信息衰减。此外，我们设计了一个基于多视角分割网络的动态内存解码器，以最小化冗余信息的传输，同时保留帧间更多细节。广泛的实验表明，我们的 HRVVS 在手术视频数据集上显著优于当前最先进的方法。源代码和数据集将在 \{https://github.com/scott-yjyang/HRVVS\} 公开。
引用
@article{arxiv.2507.22530,
title = {HRVVS: A High-resolution Video Vasculature Segmentation Network via Hierarchical Autoregressive Residual Priors},
author = {Xincheng Yao and Yijun Yang and Kangwei Guo and Ruiqiang Xiao and Haipeng Zhou and Haisu Tao and Jian Yang and Lei Zhu},
journal= {arXiv preprint arXiv:2507.22530},
year = {2025}
}
备注
Accepted by MICCAI 2025