骨架监督的气道分割
计算机视觉与模式识别
2024-03-12 v1
摘要
多年来，全监督气道分割在辅助术前诊断和术中导航方面取得了显著成就。然而，完整的体素级标注是一项耗时费力的任务，常受缺失分支、分支标注不连续或边缘描绘错误等问题的困扰。用于气道提取的标签高效解决方案在医学实践中极少被探索，但又是主要需求。为此，我们引入了一种针对气道量身定制的新型骨架级标注，它在保持完整拓扑的同时简化了标注工作流程并提高了标注的一致性和准确性。此外，我们提出了一种骨架监督学习框架以实现准确的气道分割。首先，引入双流缓冲推理以实现从骨架级标注的初始标签传播，避免了直接从骨架级标注学习的崩溃。然后，我们构建了一个几何感知双路径传播框架以进一步促进互补传播学习，该框架由硬几何感知传播学习和软几何感知传播指导组成。实验表明，我们提出的框架在使用仅占气道 1.96% 的骨架级标注时优于竞争方法，并与使用 100% 气道进行全监督的基线模型取得了相当的性能，展示了其在实现血管等其他管状结构标签高效分割方面的巨大潜力。
引用
@article{arxiv.2403.06510,
title = {Skeleton Supervised Airway Segmentation},
author = {Mingyue Zhao and Han Li and Li Fan and Shiyuan Liu and Xiaolan Qiu and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2403.06510},
year = {2024}
}