基于部分血管标注与自训练及原型学习的冠状动脉分割
计算机视觉与模式识别
2023-07-11 v1
摘要
在冠状动脉计算机断层扫描血管造影（CCTA）图像上进行冠状动脉分割对临床使用至关重要。由于标注过程需专业经验且劳动密集，对相应标注高效学习算法的需求日益增长。为此，基于冠状动脉分割的挑战与临床诊断特征，我们提出部分血管标注（PVA）。进一步，我们提出一种渐进式弱监督学习框架，以在 PVA 下实现精确分割。首先，我们提出的框架学习血管的局部特征，将知识传播至未标注区域。随后，它利用传播所得知识学习全局结构，并纠正传播过程中引入的错误。最后，它利用特征嵌入与特征原型之间的相似性增强测试输出。临床数据实验表明，我们提出的框架在 PVA（24.29% 血管）下优于对比方法，并在主干连续性上达到与使用全标注（100% 血管）的基线模型相当的性能。
引用
@article{arxiv.2307.04472,
title = {Partial Vessels Annotation-based Coronary Artery Segmentation with Self-training and Prototype Learning},
author = {Zheng Zhang and Xiaolei Zhang and Yaolei Qi and Guanyu Yang},
journal= {arXiv preprint arXiv:2307.04472},
year = {2023}
}
备注
Accepted at MICCAI 2023