面向眼底血管图的血管感知掩码自编码器VAMAE
计算机视觉与模式识别
2026-04-09 v1
摘要
光学相干层析血管图(OCTA)提供了视网膜微血管的无创可视化，但由于稀疏血管结构和强烈的拓扑约束，学习鲁棒的表征仍具有挑战性。许多现有的自监督学习方法，包括掩码自编码器，主要为稠密自然图像设计，依赖均匀掩码和像素级重构，可能不足以捕获血管几何形状。我们提出VAMAE，一种用于OCTA图像的血管感知掩码自编码框架。该方法融合解剖学信息的掩码策略，利用血管密度和骨架化线索强调血管丰富区域，鼓励模型关注血管的连通性和分支模式。此外，预训练目标包括重构多个互补目标，使模型能够捕获外观、结构和拓扑信息。我们在OCTA-500基准数据集上评估了所提出的预训练策略，用于在不同监督程度下的多种血管分割任务。结果表明，血管感知掩码和多目标重构相对于标准掩码自编码基线提供了持续的改进，尤其在标注有限的情况下，表明几何感知的自监督学习在OCTA分析中具有潜力。
引用
@article{arxiv.2604.06583,
title = {VAMAE: Vessel-Aware Masked Autoencoders for OCT Angiography},
author = {Ilerioluwakiiye Abolade and Prince Mireku and Kelechi Chibundu and Peace Ododo and Emmanuel Idoko and Promise Omoigui and Solomon Odelola},
journal= {arXiv preprint arXiv:2604.06583},
year = {2026}
}
备注
8 pages, 5 figures. Accepted at ICPR 2026