重新思考颅内动脉瘤血管分割：来自计算流体力学应用的视角
计算机视觉与模式识别
2025-12-02 v1 人工智能
摘要
颅内动脉瘤及其父血管(IA-Vessel)的精确分割是血流力学分析的关键步骤，主要依赖于计算流体动力学(CFD)。然而，当前的分割方法主要关注基于图像的评估指标，往往忽略其在后续CFD应用中的实际有效性。为此，我们提出了颅内动脉瘤血管分割(IAVS)数据集，这是首个综合性、跨中心的数据集合，包含641个3D MRA图像，标注了587个动脉瘤和IA-Vessel。除了图像-掩码对外，IAVS数据集还包含详细的血流力学分析结果，弥补了现有数据集忽略拓扑完整性和CFD适用性的局限。为促进临床相关技术的开发与评估，我们构建了两个评估基准，包括动脉瘤的全局定位(阶段I)和IA-Vessel的精细分割(阶段II)，并开发了一个简单有效的两阶段框架，可作为即插即用方法和强基准。为全面评估分割结果的适用性，我们建立了标准化的CFD适用性评估系统，实现了分割掩码向CFD模型的自动化和一致性转换，提供面向适用性的分割结果评估。该数据集、代码和模型将公开提供，地址为https://github.com/AbsoluteResonance/IAVS。
引用
@article{arxiv.2512.01319,
title = {Rethinking Intracranial Aneurysm Vessel Segmentation: A Perspective from Computational Fluid Dynamics Applications},
author = {Feiyang Xiao and Yichi Zhang and Xigui Li and Yuanye Zhou and Chen Jiang and Xin Guo and Limei Han and Yuxin Li and Fengping Zhu and Yuan Cheng},
journal= {arXiv preprint arXiv:2512.01319},
year = {2025}
}
备注
18 pages, 5 figures