将点跟踪作为时间线索用于超声心动图视频中鲁棒的心肌分割
计算机视觉与模式识别
2026-01-15 v1
摘要
目的：由于对比度低、噪声以及解剖变异性，超声心动图视频中的心肌分割是一项具有挑战性的任务。传统的深度学习模型要么独立处理每一帧而忽略时间信息，要么依赖基于记忆的特征传播，这会随时间累积误差。方法：我们提出了 Point-Seg，这是一个基于 Transformer 的分割框架，它将点跟踪作为时间线索进行集成，以确保跨帧的心肌分割稳定且一致。我们的方法利用一个在合成超声心动图数据集上训练的点跟踪模块来跟踪视频序列中的关键解剖标志点。这些被跟踪的轨迹提供了一个显式的运动感知信号来指导分割，减少了漂移并消除了对基于记忆的特征累积的需求。此外，我们引入了时间平滑损失以进一步增强跨帧的时间一致性。结果：我们在公开和私有的超声心动图数据集上评估了我们的方法。实验结果表明，在高质量超声数据中，Point-Seg 在 Dice 指标上的准确率与最先进的分割模型在统计学上相似，而在质量较低的超声数据中，它实现了更好的分割准确率和提升的时间稳定性。此外，与其他分割方法相比，Point-Seg 具有提供像素级心肌运动信息的关键优势。这些信息对于计算其他下游任务至关重要，例如心肌应变测量和区域性室壁运动异常检测。结论：Point-Seg 表明，点跟踪可以作为一致视频分割的有效时间线索，为超声心动图视频中的心肌分割提供了一种可靠且可推广的方法。代码可在 https://github.com/DeepRCL/PointSeg 获取。
关键词
引用
@article{arxiv.2601.09207,
title = {Point Tracking as a Temporal Cue for Robust Myocardial Segmentation in Echocardiography Videos},
author = {Bahar Khodabakhshian and Nima Hashemi and Armin Saadat and Zahra Gholami and In-Chang Hwang and Samira Sojoudi and Christina Luong and Purang Abolmaesumi and Teresa Tsang},
journal= {arXiv preprint arXiv:2601.09207},
year = {2026}
}