基于点云的复杂管状结构细节保留完成：一个数据集和基准
计算机视觉与模式识别
2025-08-27 v2
摘要
复杂管状结构是医学成像和计算机辅助诊断中的关键组成部分，其中其完整性有助于解剖可视化和病灶检测。然而，现有的分割算法在处理结构断裂问题时困难重重，尤其是在诸如冠状动脉狭窄和血管阻塞等严重临床病例中，导致所需的断裂和损害妥协下游诊断精度。因此，有必要重新连接离散的结构以确保其完整性。本研究首次探索了基于点云的管状结构完成问题，构建了一个源自真实临床数据的基于点云的冠状动脉完成（PC-CAC）数据集。该数据集为管状结构完成提供了新的基准。此外，我们提出了TSRNet，即管状结构重连网络，集成了细节保留特征提取器、多个稠密细化策略以及全局到局部的损失函数，以确保精确重连同时保持结构完整性。在我们的PC-CAC数据集以及两个额外的公共数据集（PC-ImageCAS和PC-PTR）上的全面实验表明，我们的方法在多个评估指标上始终优于最先进的方法，为基于点云的管状结构重建树立了新的基准。我们的基准可在 https://github.com/YaoleiQi/PCCAC 获取。
引用
@article{arxiv.2508.17658,
title = {Rethinking the Detail-Preserved Completion of Complex Tubular Structures based on Point Cloud: a Dataset and a Benchmark},
author = {Yaolei Qi and Yikai Yang and Wenbo Peng and Shumei Miao and Yutao Hu and Guanyu Yang},
journal= {arXiv preprint arXiv:2508.17658},
year = {2025}
}