arXiv cs.AI· Amine Sadikine, Bogdan Badic, Jean-Pierre Tasu, Vincent Noblet, Pascal Ballet, Dimitris Visvikis, Pierre-Henri Conze·· 3 天前AI 评分12
面向深度肝脏血管分割的尺度特定辅助多任务对比学习
Scale-specific auxiliary multi-task contrastive learning for deep liver vessel segmentation
AI 导读
该研究提出一种深度监督的肝脏血管分割方法，通过新的聚类技术将血管树分解为从细小到粗大的多个尺度层级，并在标准 3D UNet 上引入尺度特定的辅助任务与对比学习，以增强共享表示中不同尺度的区分度。在公开 3D-IRCADb 数据集上，多项评估指标均取得良好结果。
正文 · AI 翻译
摘要：从腹部图像中提取肝血管对临床医生具有很高的价值，因为它可以将肝脏划分为功能独立的 Couinaud 段。在这方面，自动肝血管提取被广泛呼吁。尽管语义分割方法的性能有了显著提升，但保留主干血管和分支复杂的多尺度几何结构仍然是一个重大挑战。本文提出了一种新的用于血管分割的深度监督方法，重点关注由血管树几何结构固有的不同尺度所产生的表示。具体而言，我们提出了一种新的聚类技术，将树分解为从微小血管到大型血管的各种尺度层级。然后，我们将标准 3D UNet 扩展到多任务学习，通过引入尺度特定的辅助任务和对比学习，以鼓励在共享表示中区分不同尺度。在公开的 3D-IRCADb 数据集上，多个评估指标显示出有前景的结果。
| 评论： | 5 页，5 幅图，IEEE ISBI 2023。v2：修正了一处图片引用。多尺度血管聚类（第 2.1 节）的代码：此 https URL |
| 主题： | 图像与视频处理 (eess.IV)；人工智能 (cs.AI)；计算机视觉与模式识别 (cs.CV)；机器学习 (cs.LG) |
| 引用为： | arXiv:2409.12333 [eess.IV] |
| （或 arXiv:2409.12333v2 [eess.IV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2409.12333 由 DataCite 颁发的 arXiv DOI |
|
| 期刊 参考： | 2023 IEEE 第 20 届国际生物医学成像研讨会 (ISBI)，哥伦比亚卡塔赫纳，2023 年，第 1-5 页 |
| 相关 DOI： | https://doi.org/10.1109/ISBI53787.2023.10230364
链接到相关资源的 DOI |
提交历史
来自：Amine Sadikine [查看电子邮件]
[v1]
2024 年 9 月 18 日星期三 22:03:22 UTC（9,879 KB）
[v2]
2026 年 10 月 9 日星期五 20:17:59 UTC（6,246 KB）
来源：arXiv cs.AI · arxiv.org