ViG3D-UNet：基于3D视觉图表示的体积血管连通性感知分割
图像与视频处理
2025-04-21 v1 计算机视觉与模式识别
摘要
准确的血管分割是血管成像和冠状动脉心脏病诊断的关键任务。该任务涉及从体积空间中提取稀疏树状血管分支。然而，现有方法由于血管分割不连续和端点缺失面临重大挑战。为此，本文引入了名为ViG3D-UNet的3D视觉图神经网络框架。该方法将3D图表示与聚合集成到U型架构中，以实现连续血管分割。ViG3D模块捕获体积血管连通性和拓扑结构，而卷积模块提取细微血管细节。这两个分支通过通道注意力机制组合成编码器特征。随后，采用纸夹状偏移解码器最小化稀疏特征空间中的冗余计算，并恢复特征图大小以匹配原始输入维度。为评估所提出方法在连续血管分割中的有效性，我们在两个公开数据集ASOCA和ImageCAS上进行了评估。分割结果表明，ViG3D-UNet在保持血管分割连通性方面优于对手方法，并实现了高分割精度。我们的代码将很快公开。
引用
@article{arxiv.2504.13599,
title = {ViG3D-UNet: Volumetric Vascular Connectivity-Aware Segmentation via 3D Vision Graph Representation},
author = {Bowen Liu and Chunlei Meng and Wei Lin and Hongda Zhang and Ziqing Zhou and Zhongxue Gan and Chun Ouyang},
journal= {arXiv preprint arXiv:2504.13599},
year = {2025}
}