X-GAN：一种用于青光眼筛查主血管分割的生成式 AI 驱动无监督模型
图像与视频处理
2025-09-23 v5 计算机视觉与模式识别
摘要
视网膜主血管的结构变化是青光coma发生和进展的关键生物标志物。识别这些血管对于血管建模至关重要，但也极具挑战性。本文提出了 X-GAN，一种生成式 AI 驱动的无监督分割模型，旨在从光学相干断层扫描血管造影 (OCTA) 图像中提取主血管。该过程首先使用空间殖民算法 (SCA) 快速生成包含血管半径的血管骨架。通过将生成对抗网络 (GAN) 与血管半径的生物统计建模协同整合，X-GAN 能够快速重建血管的 2D 和 3D 表示。基于此重建，X-GAN 在不依赖标记数据或高性能计算资源的情况下实现了接近 100% 的分割精度。实验结果证实了与现有深度学习模型相比，X-GAN 在评估主血管分割方面的优越性。
引用
@article{arxiv.2503.06743,
title = {X-GAN: A Generative AI-Powered Unsupervised Model for Main Vessel Segmentation of Glaucoma Screening},
author = {Cheng Huang and Weizheng Xie and Tsengdar J. Lee and Jui-Kai Wang and Karanjit Kooner and Ning Zhang and Jia Zhang},
journal= {arXiv preprint arXiv:2503.06743},
year = {2025}
}