VesselGPT：血管几何的自回归建模
计算机视觉与模式识别
2025-06-24 v2 机器学习
图像与视频处理
摘要
解剖树是临床诊断和治疗规划中的关键要素，但其复杂多样的几何结构使准确表征面临重大挑战。受最新大语言模型进展的启发，我们提出一种用于合成解剖树的自回归方法。我们的 approach 首先通过VQ-VAE架构将血管结构嵌入到学习到的离散词汇表中，然后使用GPT-2模型对其生成进行自回归建模。该方法有效捕捉复杂的几何和分支模式，实现逼真的血管树合成。综合的定性和定量评估显示，我们的技术以紧凑的离散表示实现了高保真树重建。此外，我们的B样条血管横截面的表示保留了以往方法常忽视的关键形态细节。鉴于本工作是首次以自回归方式生成血管，我们深信其价值。代码已在https://github.com/LIA-DiTella/VesselGPT-MICCAI公开。
引用
@article{arxiv.2505.13318,
title = {VesselGPT: Autoregressive Modeling of Vascular Geometry},
author = {Paula Feldman and Martin Sinnona and Claudio Delrieux and Viviana Siless and Emmanuel Iarussi},
journal= {arXiv preprint arXiv:2505.13318},
year = {2025}
}
备注
Accepted for MICCAI 2025