SPIRONet: Spatial-Frequency Learning and Topological Channel Interaction Network for Vessel Segmentation

要約

自動船舶セグメンテーションは、次世代介入ナビゲーション システムの開発にとって最も重要です。
しかし、現在のアプローチは、術中画像における重大な課題（すなわち、低い信号対雑音比、小さいまたは細い血管、および強い干渉）により、次善のセグメンテーションパフォーマンスに悩まされています。
この論文では、上記の問題に対処するために、新しい空間周波数学習およびトポロジカル チャネル相互作用ネットワーク (SPIRONet) を提案します。
具体的には、デュアル エンコーダを利用して、ローカルな空間およびグローバルな周波数の血管の特徴を包括的にキャプチャします。
次に、空間的特徴と周波数的特徴を効果的に融合するクロスアテンション フュージョン モジュールが導入され、それにより特徴の識別性が向上します。
さらに、トポロジカル チャネル インタラクション モジュールは、グラフ ニューラル ネットワークに基づいてタスクに無関係な応答を除外するように設計されています。
いくつかの困難なデータセット (CADSA、CAXF、DCA1、および XCAD) に関する広範な実験結果により、私たちの手法の最先端のパフォーマンスが実証されています。
さらに、SPIRONet の推論速度は 512×512 入力サイズで 21 FPS であり、臨床リアルタイム要件 (6 ～ 12FPS) を超えています。
これらの有望な結果は、SPIRONet が血管介入ナビゲーション システムに統合される可能性があることを示しています。
コードは https://github.com/Dxhuang-CASIA/SPIRONet で入手できます。

要約(オリジナル)

Automatic vessel segmentation is paramount for developing next-generation interventional navigation systems. However, current approaches suffer from suboptimal segmentation performances due to significant challenges in intraoperative images (i.e., low signal-to-noise ratio, small or slender vessels, and strong interference). In this paper, a novel spatial-frequency learning and topological channel interaction network (SPIRONet) is proposed to address the above issues. Specifically, dual encoders are utilized to comprehensively capture local spatial and global frequency vessel features. Then, a cross-attention fusion module is introduced to effectively fuse spatial and frequency features, thereby enhancing feature discriminability. Furthermore, a topological channel interaction module is designed to filter out task-irrelevant responses based on graph neural networks. Extensive experimental results on several challenging datasets (CADSA, CAXF, DCA1, and XCAD) demonstrate state-of-the-art performances of our method. Moreover, the inference speed of SPIRONet is 21 FPS with a 512×512 input size, surpassing clinical real-time requirements (6~12FPS). These promising outcomes indicate SPIRONet’s potential for integration into vascular interventional navigation systems. Code is available at https://github.com/Dxhuang-CASIA/SPIRONet.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google