面向半监督血管造影视频的不确定性感知概念与运动分割
计算机视觉与模式识别
2026-03-03 v1
摘要
从 X 射线冠状动脉造影（XCA）序列中分割主冠状动脉是冠状动脉疾病诊断的关键任务，但该任务面临边界模糊、辐射对比度不一致、复杂运动模式以及缺乏训练标注图像的问题。尽管半监督学习（SSL）可减轻标注负担，但常规方法在处理复杂时序动力学和不可靠不确定性量化方面仍不足。为此，我们提出一种基于 SAM3 的教师-学生框架，集成运动感知一致性和渐进置信度正则化（SMART），用于 X 射线血管造影视频的半监督分割。首先，我们利用 SAM3 独特的可提示概念分割设计，创新地构建 SAM3 教师-学生框架，以最大化教师和学生的性能潜力。其次，我们整合血管掩码错位技术和运动一致性损失，以建模复杂血管动力学。为解决因边界模糊和对比度微弱导致教师预测不可靠的问题，我们进一步提出渐进置信度感知一致性正则化，以缓解不可靠输出的风险。在来自不同机构的三个 XCA 数据集上进行大量实验表明，SMART 实现了最新的性能，同时所需标注量显著降低，特别适用于标注数据稀缺的实际临床场景。我们的代码已公开：https://github.com/qimingfan10/SMART。
引用
@article{arxiv.2603.00881,
title = {Uncertainty-Aware Concept and Motion Segmentation for Semi-Supervised Angiography Videos},
author = {Yu Luo and Guangyu Wei and Yangfan Li and Jieyu He and Yueming Lyu},
journal= {arXiv preprint arXiv:2603.00881},
year = {2026}
}
备注
10 pages, 3 figures