面向深层肝脏血管分割的尺度特定辅助多任务对比学习
图像与视频处理
2024-09-20 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
从腹部图像中提取肝脏血管对于医生来说具有高度意义，因为这允许将肝脏划分为功能上相互独立的 Couinaud 残段。就此而言，自动化的肝脏血管提取广受欢迎。尽管语义分割方法的性能取得了显著进步，但保持主血管和支脉复杂多尺度几何的完整性仍是一个主要挑战。本文提供了一种新的深度监督方法，用于血管分割，着重于来自不同尺度的表示，由于血管树几何结构的不同尺度而产生。具体而言，我们提出了一种新的聚类技术，用于将树分解为各种尺度级别，从微小血管到大血管。然后，我们将标准 3D UNet 扩展为多任务学习，通过纳入尺度特定的辅助任务和对比学习来鼓励共享表示中不同尺度之间的判别。在公开的 3D-IRCADb 数据集上，本研究显示出有前景的结果，体现在多个评估指标中。
引用
@article{arxiv.2409.12333,
title = {Scale-specific auxiliary multi-task contrastive learning for deep liver vessel segmentation},
author = {Amine Sadikine and Bogdan Badic and Jean-Pierre Tasu and Vincent Noblet and Pascal Ballet and Dimitris Visvikis and Pierre-Henri Conze},
journal= {arXiv preprint arXiv:2409.12333},
year = {2024}
}
备注
5 pages, 5 figures, conference