跳过先验条件，加入基于图的解剖信息，用于点云式 Couinaud 分段
计算机视觉与模式识别
2025-08-05 v1
摘要
肝脏手术的预手术规划依赖于从计算机断层扫描（CT）图像中进行 Couinaud 分段，以减少出血风险并指导切除程序。使用 3D 点表示代替体素化 CT 体积具有保留 CT 物理分辨率的优势。然而，点表示需要获取肝脏血管结构的先验知识，这一过程耗时。本文提出了一种无需显式提供肝脏血管结构先验条件的点分割方法。为使模型能够学习肝脏血管结构，我们在点特征之上添加图推理模块。这通过学习点邻域之间的亲和力，将隐式解剖信息引入模型。我们的方法在 Dice 系数和平均表面距离指标上均与四种先进的点分割方法相competitive。我们的代码已公开于 https://github.com/ZhangXiaotong015/GrPn。
关键词
引用
@article{arxiv.2508.01785,
title = {Skip priors and add graph-based anatomical information, for point-based Couinaud segmentation},
author = {Xiaotong Zhang and Alexander Broersen and Gonnie CM van Erp and Silvia L. Pintea and Jouke Dijkstra},
journal= {arXiv preprint arXiv:2508.01785},
year = {2025}
}
备注
Accepted at MICCAI 2025 GRAIL workshop