VAOT：面向视网膜底图的血管感知最优传输
计算机视觉与模式识别
2025-11-25 v1
摘要
色素图（Color fundus photography, CFP）是诊断和监测视网膜疾病的核心手段，但其获取过程中的变量性（例如照度变化）常常导致图像质量下降，这就催生了鲁棒的图像增强方法。然而，基于生成对抗网络（GAN）的无配对增强流程通常会扭曲临床上关键的血管结构，导致血管拓扑和端点完整性被改变。鉴于这些结构性变形，本文提出了血管感知最优传输（Vessel-Aware Optimal Transport, VAOT），这是一种结合最优传输目标与两种结构保持正则化器的框架：（i）基于骨架的损失函数以维持全局血管连通性，（ii）端点感知的损失函数以稳定局部终点。这些约束引导学习在无配对设置下进行，既降低噪声，又保留血管结构。在合成退化基准和血管/病灶分割的下游评估中，实验结果表明，所提方法在多个最新基线方法面前表现优异。代码已公开于 https://github.com/Retinal-Research/VAOT
引用
@article{arxiv.2511.18763,
title = {VAOT: Vessel-Aware Optimal Transport for Retinal Fundus Enhancement},
author = {Xuanzhao Dong and Wenhui Zhu and Yujian Xiong and Xiwen Chen and Hao Wang and Xin Li and Jiajun Cheng and Zhipeng Wang and Shao Tang and Oana Dumitrascu and Yalin Wang},
journal= {arXiv preprint arXiv:2511.18763},
year = {2025}
}