VSR-Net: Vessel-like Structure Rehabilitation Network with Graph Clustering

要約

血管や神経線維などの血管様構造の形態は、パーキンソン病などの病気の診断に重要な役割を果たします。
最近、ディープネットワークベースのリファインメントセグメンテーション手法により、有望な血管状構造のセグメンテーション結果が得られました。
まだ 2 つの課題があります。(1) 既存の方法では、セグメント化された血管状構造の小部分破裂を修復するには限界があります。
(2) 彼らは予測されたセグメンテーションの結果を過信していることがよくあります。
これら 2 つの課題に取り組むために、この論文では、構造修復の観点からサブセクション破壊間の空間的相互接続関係の可能性を活用することを試みています。
これに基づいて、サブセクションの断裂を修復し、粗い血管状構造セグメンテーションの結果に基づいてモデルのキャリブレーションを改善するための新しい血管状構造修復ネットワーク（VSR-Net）を提案します。
VSR-Net はまず、Curvilinear Clustering Module (CCM) を使用してサブセクション破壊クラスターを構築します。
次に、適切に設計された曲線結合モジュール (CMM) を適用してサブセクションの断裂を修復し、洗練された血管のような構造を取得します。
5 つの 2D/3D 医用画像データセットに対する広範な実験により、VSR-Net は、キャリブレーション誤差が低く、最先端 (SOTA) リファインメント セグメンテーション手法を大幅に上回っていることが示されています。
さらに、VSR-Net の修復結果とグランド トゥルース (GT) の形態学的差異を説明する定量的分析を提供します。これは、SOTA 法や GT よりも小さく、サブセクションの断裂を修復することにより、私たちの方法が血管状構造をより良好に修復することを示しています。

要約(オリジナル)

The morphologies of vessel-like structures, such as blood vessels and nerve fibres, play significant roles in disease diagnosis, e.g., Parkinson’s disease. Deep network-based refinement segmentation methods have recently achieved promising vessel-like structure segmentation results. There are still two challenges: (1) existing methods have limitations in rehabilitating subsection ruptures in segmented vessel-like structures; (2) they are often overconfident in predicted segmentation results. To tackle these two challenges, this paper attempts to leverage the potential of spatial interconnection relationships among subsection ruptures from the structure rehabilitation perspective. Based on this, we propose a novel Vessel-like Structure Rehabilitation Network (VSR-Net) to rehabilitate subsection ruptures and improve the model calibration based on coarse vessel-like structure segmentation results. VSR-Net first constructs subsection rupture clusters with Curvilinear Clustering Module (CCM). Then, the well-designed Curvilinear Merging Module (CMM) is applied to rehabilitate the subsection ruptures to obtain the refined vessel-like structures. Extensive experiments on five 2D/3D medical image datasets show that VSR-Net significantly outperforms state-of-the-art (SOTA) refinement segmentation methods with lower calibration error. Additionally, we provide quantitative analysis to explain the morphological difference between the rehabilitation results of VSR-Net and ground truth (GT), which is smaller than SOTA methods and GT, demonstrating that our method better rehabilitates vessel-like structures by restoring subsection ruptures.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google