TopoTTA: 面向管状结构分割的拓扑增强测试时自适应
计算机视觉与模式识别
2025-08-04 v1 人工智能
摘要
管状结构分割对于血流动力学分析和路径导航等多种应用至关重要。尽管管状结构分割取得了显著进展，但领域偏移仍然是一个主要挑战，导致在未见过的目标领域中性能下降。与其他分割任务不同，管状结构分割对领域偏移更为敏感，因为拓扑结构的变化会损害分割的完整性，而区分前景和背景的局部特征（例如纹理和对比度）的变化可能进一步破坏拓扑连续性。为应对这些挑战，我们提出了拓扑增强测试时自适应 (TopoTTA)，这是首个专门为管状结构分割设计的测试时自适应框架。TopoTTA 包含两个阶段：阶段 1 使用提出的拓扑元差异卷积 (TopoMDCs) 使模型适应跨域拓扑差异，该方法在不改变预训练参数的情况下增强拓扑表示；阶段 2 通过一种新颖的拓扑困难样本生成 (TopoHG) 策略以及在生成的伪断裂区域中对困难样本进行伪标签预测对齐，来改善拓扑连续性。在四个场景和十个数据集上的大量实验证明了 TopoTTA 在处理拓扑分布偏移方面的有效性，在 clDice 上平均提升了 31.81%。TopoTTA 也可作为基于 CNN 的管状结构分割模型的即插即用型 TTA 解决方案。
引用
@article{arxiv.2508.00442,
title = {TopoTTA: Topology-Enhanced Test-Time Adaptation for Tubular Structure Segmentation},
author = {Jiale Zhou and Wenhan Wang and Shikun Li and Xiaolei Qu and Xin Guo and Yizhong Liu and Wenzhong Tang and Xun Lin and Yefeng Zheng},
journal= {arXiv preprint arXiv:2508.00442},
year = {2025}
}