SynVA：面向血管生成与动脉瘤编辑的模块化工具包
计算机视觉与模式识别
2026-05-19 v1 人工智能
机器学习
摘要
突触性动脉瘤（IAs），因其不可预测的生长和破裂风险，是中风的主要原因，可能导致高死亡率和长期残疾。随着人口老龄化，脑血管疾病的发病率和总体负担预计将增加，这凸显了分析复杂医疗数据、改善这些疾病在人群层面理解的必要性。尽管数字孪生体和深度学习为提高诊断、预后和治疗提供了有前景的途径，但其效果受限于大规模高质量医疗数据的稀缺以及相应标签的不足。我们提出合成血管（Synthetic VAsculature, SynVA），一个用于血管网格生成和解剖学一致动脉瘤合成的模块化工具包。SynVA 将 novel flow-matching 方法用于生成健康血管网格，结合基于学习的方法实现解剖学条件下的动脉瘤网格生成——动脉瘤是从预-existing 血管几何中计算得出，而非孤立生成。此外，我们引入基于纯 physiological 原理和统计先验的 SynVA 程序化模型，使能够生成大规模数据集（例如用于训练基于网格的生成模型）。为此，我们发布了 50,000 份完全标记好的网格样本，用于各种下游视觉任务，如语义分割。广泛的定量和定性评估表明，SynVA 生成的血管几何和解剖学上合理的动脉瘤具有高度真实性。具体而言，我们的实验表明，某些方法产生的动脉瘤形状更符合专家医生的主观感受，而另一些方法在与真实动脉瘤重建的定量相似性指标上表现更好。
关键词
引用
@article{arxiv.2605.17620,
title = {SynVA: A Modular Toolkit for Vessel Generation and Aneurysm Editing},
author = {Marten J. Finck and Niklas C. Koser and Sarker M. Mahfuz and Tameem Jahangir and Jon E. Wilhelm and Daniel Behme and Naomi Larsen and Wojtek Palubicki and Sylvia Saalfeld and Sören Pirk},
journal= {arXiv preprint arXiv:2605.17620},
year = {2026}
}