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:2507.12938

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:2507.12938 (eess)
[提交于 2025年7月17日 ]

标题: 冠状动脉分割中视觉基础模型的释放:并行ViT-CNN编码和变分融合

标题: Unleashing Vision Foundation Models for Coronary Artery Segmentation: Parallel ViT-CNN Encoding and Variational Fusion

Authors:Caixia Dong, Duwei Dai, Xinyi Han, Fan Liu, Xu Yang, Zongfang Li, Songhua Xu
摘要: 准确的冠状动脉分割对于计算机辅助诊断冠状动脉疾病(CAD)至关重要,但由于血管尺寸小、形态复杂以及与周围组织对比度低,仍然具有挑战性。 为解决这些挑战,我们提出了一种新的分割框架,通过并行编码架构利用视觉基础模型(VFMs)的强大功能。 具体来说,VFM中的视觉变压器(ViT)编码器通过激活最后两个ViT块并集成注意力引导增强(AGE)模块来捕捉全局结构特征,而卷积神经网络(CNN)编码器提取局部细节。 这些互补特征通过跨分支变分融合(CVF)模块进行自适应融合,该模块建模潜在分布并应用变分注意力以分配模态特定权重。 此外,我们引入了一个证据学习不确定性精炼(EUR)模块,该模块使用证据理论量化不确定性,并通过结合多尺度特征聚合和注意力机制来精炼不确定区域,进一步提高分割准确性。 在一项内部数据集和两个公共数据集上的广泛评估表明,所提出的框架显著优于最先进的方法,在准确的冠状动脉分割中表现出色,并展示了在多个数据集上的强大泛化能力。 代码可在 https://github.com/d1c2x3/CAseg 获取。
摘要: Accurate coronary artery segmentation is critical for computeraided diagnosis of coronary artery disease (CAD), yet it remains challenging due to the small size, complex morphology, and low contrast with surrounding tissues. To address these challenges, we propose a novel segmentation framework that leverages the power of vision foundation models (VFMs) through a parallel encoding architecture. Specifically, a vision transformer (ViT) encoder within the VFM captures global structural features, enhanced by the activation of the final two ViT blocks and the integration of an attention-guided enhancement (AGE) module, while a convolutional neural network (CNN) encoder extracts local details. These complementary features are adaptively fused using a cross-branch variational fusion (CVF) module, which models latent distributions and applies variational attention to assign modality-specific weights. Additionally, we introduce an evidential-learning uncertainty refinement (EUR) module, which quantifies uncertainty using evidence theory and refines uncertain regions by incorporating multi-scale feature aggregation and attention mechanisms, further enhancing segmentation accuracy. Extensive evaluations on one in-house and two public datasets demonstrate that the proposed framework significantly outperforms state-of-the-art methods, achieving superior performance in accurate coronary artery segmentation and showcasing strong generalization across multiple datasets. The code is available at https://github.com/d1c2x3/CAseg.
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:2507.12938 [eess.IV]
  (或者 arXiv:2507.12938v1 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12938
通过 DataCite 发表的 arXiv DOI(待注册)
期刊参考: MICCAI2025

提交历史

来自: Caixia Dong [查看电子邮件]
[v1] 星期四, 2025 年 7 月 17 日 09:25:00 UTC (1,783 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.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CV
eess

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