MultiCo3D：面向 3D 神经图像单样本增量分割的多标签体素对比
计算机视觉与模式识别
2025-03-11 v1
摘要
3D 神经图像提供了脑结构与功能的全面视图，有助于精确定位和功能连接性分析。使用 3D 神经图像分割白质（WM）神经纤维束对于理解健康和疾病状态下大脑的结构连接性至关重要。单样本类增量语义分割（OCIS）是指仅使用单个样本有效分割新类，同时在不遗忘的情况下保留对旧类的知识。基于体素对比的 OCIS 方法调整特征空间以缓解基类与新类之间的特征重叠问题。然而，由于 WM 纤维束分割是一项多标签分割任务，现有的单标签体素对比方法可能导致内在矛盾。为解决此问题，我们提出了一种名为 MultiCo3D 的新多标签体素对比框架，用于单样本类增量纤维束分割。我们的方法利用不确定性蒸馏来保留基类纤维束分割知识，同时通过多标签体素对比调整特征空间以缓解学习新纤维束时的特征重叠，并动态加权多重损失以平衡整体损失。我们将我们的方法与几种最先进的（SOTA）方法进行了比较。实验结果表明，我们的方法在 HCP 和 Preto 数据集上的五种不同实验设置中显著提高了单样本类增量纤维束分割的准确性。
引用
@article{arxiv.2503.06598,
title = {MultiCo3D: Multi-Label Voxel Contrast for One-Shot Incremental Segmentation of 3D Neuroimages},
author = {Hao Xu and Tengfei Xue and Dongnan Liu and Yuqian Chen and Fan Zhang and Carl-Fredrik Westin and Ron Kikinis and Lauren J. O'Donnell and Weidong Cai},
journal= {arXiv preprint arXiv:2503.06598},
year = {2025}
}
备注
13 pages, 6 figures, 6 tables