SA²Net：用于超声体积投影成像中脊柱分割的尺度自适应结构-亲和变换
计算机视觉与模式识别
2025-10-31 v1
摘要
基于超声体积投影成像（VPI）的脊柱分割在临床应用中对于智能脊柱侧倾诊断发挥着关键作用。然而，该任务面临若干显著挑战：其次，若忽略不同骨骼特征的高空间相关性，脊柱的全局上下文知识可能难以学习；另外，脊柱骨骼包含关于其形状和位置的丰富结构信息，亟需编码到分割过程中。为此，我们提出了一种新颖的尺度自适应结构感知网络（SA²Net），实现高效脊柱分割。首先，我们提出尺度自适应互补策略，以学习脊柱图像的跨维度长程相关特征；其次，受变压器中多头自注意力机制与语义层级亲和性一致性的启发，我们提出结构-亲和变换，将具有类别特定亲和性的语义特征进行变换，并与Transformer解码器结合以实现结构感知推理。此外，我们采用特征混合损失聚合方法以增强模型训练。这一方法显著提高了分割过程的鲁棒性和准确性。实验结果表明，SA²Net在与其他最先进方法的对比中实现了优异的分割性能。且该方法对多种主干网络的适应性提升了其作为基于智能脊柱图像分析进行高级脊柱侧倾诊断工具的潜力。代码与实验演示可在 https://github.com/taetiseo09/SA2Net 查阅。
引用
@article{arxiv.2510.26568,
title = {SA$^{2}$Net: Scale-Adaptive Structure-Affinity Transformation for Spine Segmentation from Ultrasound Volume Projection Imaging},
author = {Hao Xie and Zixun Huang and Yushen Zuo and Yakun Ju and Frank H. F. Leung and N. F. Law and Kin-Man Lam and Yong-Ping Zheng and Sai Ho Ling},
journal= {arXiv preprint arXiv:2510.26568},
year = {2025}
}
备注
Accepted by Computerized Medical Imaging and Graphics (CMIG)