医学图像中的管状结构分割(如CT扫描中的血管分割)是使用计算机辅助早期筛查相关疾病的重要步骤。但是目前CT扫描中管状结构的自动分割由于存在对比度差、噪声大、背景复杂等问题而仍然存在很大的挑战。同时,如下图(Figure 1)所示,管状结构其实可以由一系列圆心和半径不断变化的球体组成的。受此启发,这篇文章尝试将这一几何特点融入到管状结构
本文关注到管状结构细长连续的特点,并利用这一信息在神经网络以下三个阶段同时增强感知:特征提取、特征融合和损失约束。分别设计了动态蛇形卷积(DynamicSnakeConvolution),多视角特征融合策略与连续性拓扑约束损失。我们同时给出了基于2D和3D的方法设计,通过实验证明了本文所提出的DSCNet在管状结构分割任务上提供了更好的...
本文关注到管状结构细长连续的特点,并利用这一信息在神经网络以下三个阶段同时增强感知:特征提取、特征融合和损失约束。分别设计了动态蛇形卷积(Dynamic Snake Convolution),多视角特征融合策略与连续性拓扑约束损失。我们同时给出了基于 2D 和 3D 的方法设计,通过实验证明了本文所提出的DSCNet在管状结构分割任务上提供了...
本文关注到管状结构细长连续的特点,并利用这一信息在神经网络以下三个阶段同时增强感知:特征提取、特征融合和损失约束。分别设计了动态蛇形卷积(Dynamic Snake Convolution),多视角特征融合策略与连续性拓扑约束损失。我们同时给出了基于 2D 和 3D 的方法设计,通过实验证明了本文所提出的DSCNet在管状结构分割任务上提供了...
分别设计了动态蛇形卷积(DynamicSnakeConvolution),多视角特征融合策略与连续性拓扑约束损失。我们同时给出了基于2D和3D的方法设计,通过实验证明了本文所提出的DSCNet在管状结构分割任务上提供了更好的精度和连续性。 思考 在开始介绍工作之前,我想和读者讨论下在大模型时代下,专用分割方法的价值。
简介:YOLOv10专栏介绍了一种用于精确分割管状结构的新方法DSCNet,它结合了动态蛇形卷积、多视角融合和拓扑连续性约束损失。DSConv创新地聚焦细长局部结构,增强管状特征感知,而多视角融合和TCLoss则改善了全局形态理解和分割连续性。在2D和3D数据集上的实验显示,DSCNet在血管和道路等分割任务上超越了传统方法。DySnakeCon...
管状结构分割的挑战包括细长、脆弱的局部结构与复杂多变的全局形态。动态蛇形卷积核（DSConv）设计灵感来源于蛇的连续移动特性，结合卷积核自由形变与连续性约束，优化卷积过程以更好地贴合管状结构的核心特征。通过可视化验证，2D视网膜数据集中的血管分割效果得到显著提升。多视角特征融合策略在处理管状结构的...
最后,基于持续同调的连续性约束损失函数,用于更好地约束分割的拓扑连续性。在2D和3D数据集上的实验表明,与几种方法相比,DSCNet在管状结构分割任务上提供更好的准确性和连续性。 论文链接:Dynamic Snake Convolution based on Topological Geometric Constraints for Tubular Structure Segmentation 代码链接:YaoleiQi/DSC...
作者在胰腺肿瘤PDAC数据集上DDT分割一种管状结构,即胰腺导管(Pancreatic Duct),结果表2所示,DDT比3D UNet性能提高了13%。通过在PDAC数据集检测到了通过导管分割间接生成的肿瘤候选区域,可在不降低胰腺肿瘤识别的特异性的前提下提高灵敏性(...
管状结构可以被表征为一系列骨架点和以骨架点为球心半径不断变化的球体的集合(如图1),为了将这一几何特点融入到管状结构的分割任务中以提高分割准确性,本文提出了一种几何感知的深度距离变换网络DDT。此方法首先通过多任务学习网络,预测了管状结构的分割图和距离图;然后利用距离图重构的形状先验信息细腻化分割图。此外...