Dynamic Snake Convolution based on Topological Geometric Constraints for Tubular Structure Segmentation

要約

血管や道路などのトポロジカルな管状構造を正確にセグメンテーションすることは、さまざまな分野で重要であり、下流のタスクの精度と効率を確保します。
ただし、薄い局所構造や可変的な全体的な形態など、多くの要因がこの作業を複雑にします。
この研究では、管状構造の特異性に注目し、この知識を使用して DSCNet をガイドし、特徴抽出、特徴融合、損失制約の 3 つの段階で同時に知覚を強化します。
まず、細長く曲がりくねった局所構造に適応的に焦点を合わせることで、管状構造の特徴を正確に捕捉するための動的なスネーク畳み込みを提案します。
続いて、特徴融合中に複数の視点から特徴への注意を補完し、さまざまなグローバル形態からの重要な情報を確実に保持するためのマルチビュー特徴融合戦略を提案します。
最後に、永続的な相同性に基づく連続性制約損失関数が、セグメンテーションの位相的連続性をより適切に制約するために提案されています。
2D および 3D データセットの実験では、DSCNet がいくつかの方法と比較して管状構造セグメンテーション タスクの精度と連続性が優れていることが示されています。
私たちのコードは公開されます。

要約(オリジナル)

Accurate segmentation of topological tubular structures, such as blood vessels and roads, is crucial in various fields, ensuring accuracy and efficiency in downstream tasks. However, many factors complicate the task, including thin local structures and variable global morphologies. In this work, we note the specificity of tubular structures and use this knowledge to guide our DSCNet to simultaneously enhance perception in three stages: feature extraction, feature fusion, and loss constraint. First, we propose a dynamic snake convolution to accurately capture the features of tubular structures by adaptively focusing on slender and tortuous local structures. Subsequently, we propose a multi-view feature fusion strategy to complement the attention to features from multiple perspectives during feature fusion, ensuring the retention of important information from different global morphologies. Finally, a continuity constraint loss function, based on persistent homology, is proposed to constrain the topological continuity of the segmentation better. Experiments on 2D and 3D datasets show that our DSCNet provides better accuracy and continuity on the tubular structure segmentation task compared with several methods. Our codes will be publicly available.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google