作为深度血管分割形状先验的半过完备卷积自编码器嵌入
图像与视频处理
2024-09-23 v1 计算机视觉与模式识别
机器学习
摘要
近年来，血管提取在医学图像分析中引起了广泛关注。自动血管分割对于指导临床医生进行计算机辅助诊断、治疗或手术规划极具吸引力。尽管受 U-Net 启发的架构在提取大型解剖结构方面具有良好的能力，但其自动勾勒血管系统的能力仍然是一个主要问题，尤其是在现有数据集稀缺的情况下。在本文中，我们提出了一种新方法，将来自半过完备卷积自编码器（Semi-Overcomplete Convolutional Auto-Encoder, S-OCAE）嵌入的深度分割形状先验整合其中。与标准卷积自编码器（CAE）相比，该方法利用了一个过完备分支，将数据投影到更高维度，以更好地表征微小结构。在公开可用的 DRIVE 和 3D-IRCADb 数据集上分别进行的视网膜和肝脏血管提取实验，突显了与无形状先验的 U-Net 以及使用传统 CAE 形状先验的 U-Net 相比，我们方法的有效性。
引用
@article{arxiv.2409.13001,
title = {Semi-overcomplete convolutional auto-encoder embedding as shape priors for deep vessel segmentation},
author = {Amine Sadikine and Bogdan Badic and Jean-Pierre Tasu and Vincent Noblet and Dimitris Visvikis and Pierre-Henri Conze},
journal= {arXiv preprint arXiv:2409.13001},
year = {2024}
}
备注
5 pages, 4 figures, conference