RefTr：用于三维血管树中心线的汇合轨迹循环细化
计算机视觉与模式识别
2026-03-13 v2 人工智能
机器学习
摘要
血管和肺气道等管状树结构是许多临床任务的核心，包括诊断、治疗规划和手术导航。具有正确拓扑结构的精确中心线提取至关重要，因为遗漏小分支可能导致评估不完整或异常被忽视。我们提出了 RefTr，一个通过循环细化汇合轨迹生成血管中心线的三维图像到图框架。RefTr 采用基于 Transformer 的生成器-细化器架构，其中生成器预测候选轨迹，共享的细化器迭代地将它们细化到目标分支。汇合轨迹表示能够实现全分支细化，同时显式地强制执行有效的拓扑结构。这种循环方案提高了精度，并将解码器参数相比最先进方法减少了 2.4 倍。我们进一步引入了一种用于空间树图的高效非极大值抑制算法来合并重复分支，并扩展了评估指标使其具有半径感知能力，以实现稳健比较。在多个公开数据集上的实验证明了其更强的整体性能、更快的推理速度和显著减少的参数数量，凸显了 RefTr 在三维血管树分析中的有效性。
引用
@article{arxiv.2511.20823,
title = {RefTr: Recurrent Refinement of Confluent Trajectories for 3D Vascular Tree Centerlines},
author = {Roman Naeem and David Hagerman and Jennifer Alvén and Fredrik Kahl},
journal= {arXiv preprint arXiv:2511.20823},
year = {2026}
}