DeNVeR: Deformable Neural Vessel Representations for Unsupervised Video Vessel Segmentation

要約

この論文では、注釈付きの地上真実のないX線血管造影ビデオの容器セグメンテーションのための監視されていないアプローチである、変形可能な神経容器表現（デンバー）を提示します。
デンバーは、光フローと層分離技術を利用して、テスト時間トレーニングを通じてセグメンテーションの精度と適応性を高めます。
主な寄付には、新しい層分離ブートストラップ手法、平行な血管動きの損失、複雑な容器ダイナミクスをモデリングするためのオイラー運動場の統合が含まれます。
この研究の重要な要素は、高品質で手動でラベル付けされたセグメンテーショングラウンドトゥルースを備えた最初のX線血管造影冠動脈ビデオデータセットであるXACVデータセットの導入です。
XACVデータセットとCadicaデータセットの両方での広範な評価は、デンバーが時間的一貫性を維持しながら、容器セグメンテーションの精度と一般化能力の現在の最先端の方法を上回ることを示しています。

要約(オリジナル)

This paper presents Deformable Neural Vessel Representations (DeNVeR), an unsupervised approach for vessel segmentation in X-ray angiography videos without annotated ground truth. DeNVeR utilizes optical flow and layer separation techniques, enhancing segmentation accuracy and adaptability through test-time training. Key contributions include a novel layer separation bootstrapping technique, a parallel vessel motion loss, and the integration of Eulerian motion fields for modeling complex vessel dynamics. A significant component of this research is the introduction of the XACV dataset, the first X-ray angiography coronary video dataset with high-quality, manually labeled segmentation ground truth. Extensive evaluations on both XACV and CADICA datasets demonstrate that DeNVeR outperforms current state-of-the-art methods in vessel segmentation accuracy and generalization capability while maintaining temporal coherency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google