Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:2411.00617

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2411.00617 (eess)
[提交于 2024年11月1日 (v1) ,最后修订 2025年4月24日 (此版本, v2)]

标题: 基于图注意力引导扩散的连续完整肝脏血管分割

标题: Continuous and complete liver vessel segmentation with graph-attention guided diffusion

Authors:Xiaotong Zhang, Alexander Broersen, Gonnie CM van Erp, Silvia L. Pintea, Jouke Dijkstra
摘要: 提高连通性和完整性是肝脏血管分割中最具有挑战性的方面,尤其是对于小血管而言。 这些挑战需要同时学习连续的血管几何形状并专注于小血管检测。 然而,当前的方法并未明确解决这两个方面,在受不一致标注约束时无法很好地泛化。 在这里,我们利用扩散模型的泛化能力,并在基于扩散的分割模型中显式地整合了连通性和完整性。 具体来说,我们使用了一个图注意力模块,该模块添加了关于血管几何形状的知识。 此外,我们在多尺度上执行图注意力,从而关注小的肝脏血管。 我们的方法在两个公开数据集(3D-ircadb-01 和 LiVS)上优于五种最先进的医学分割方法。
摘要: Improving connectivity and completeness are the most challenging aspects of liver vessel segmentation, especially for small vessels. These challenges require both learning the continuous vessel geometry and focusing on small vessel detection. However, current methods do not explicitly address these two aspects and cannot generalize well when constrained by inconsistent annotations. Here, we take advantage of the generalization of the diffusion model and explicitly integrate connectivity and completeness in our diffusion-based segmentation model. Specifically, we use a graph-attention module that adds knowledge about vessel geometry. Additionally, we perform the graph-attention at multiple-scales, thus focusing on small liver vessels. Our method outperforms five state-of-the-art medical segmentation methods on two public datasets: 3D-ircadb-01 and LiVS.
评论: 第二版
主题: 图像与视频处理 (eess.IV) ; 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2411.00617 [eess.IV]
  (或者 arXiv:2411.00617v2 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2411.00617
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Xiaotong Zhang [查看电子邮件]
[v1] 星期五, 2024 年 11 月 1 日 14:25:54 UTC (5,893 KB)
[v2] 星期四, 2025 年 4 月 24 日 13:07:22 UTC (3,763 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
eess
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-11
切换浏览方式为:
cs
cs.CV
eess.IV

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号