用于血管分割的形态学边缘注意力网络与最优几何匹配连接模型
图像与视频处理
2023-12-14 v2 计算机视觉与模式识别
摘要
血管图像分割中存在诸多未解问题，包括血管结构连通性、分支稀少以及小血管缺失。获取保留正确拓扑结构的血管，目前是关键研究课题，因其提供某一血管系统的整体视图。为保留血管分割的拓扑与精度，我们提出一种新颖的形态学边缘注意力网络（MEA-Net）用于类血管结构分割，以及一种最优几何匹配连接（OGMC）模型来连接断裂的血管段。MEA-Net 具有边缘注意力模块，通过多尺度形态学操作提取边界体素，改善边缘与小物体的分割。OGMC 模型利用微分几何中的曲线接触概念滤除碎片化血管端点，随后采用极小曲面确定血管间的最优连接次序。最后，我们在给定黎曼度量下计算测地线以修复缺失血管。我们的方法在四个 3D 血管分割任务数据集上取得优于或具竞争力的结果，既有效减少血管断裂，又增加血管分支丰富度， yielding 具有更精确拓扑结构的血管。
引用
@article{arxiv.2306.01808,
title = {Morphology Edge Attention Network and Optimal Geometric Matching Connection model for vascular segmentation},
author = {Yuntao Zhu and Yuxuan Qiao and Xiaoping Yang},
journal= {arXiv preprint arXiv:2306.01808},
year = {2023}
}
备注
6 pages