Global Control for Local SO(3)-Equivariant Scale-Invariant Vessel Segmentation

要約

パーソナライズされた 3D 血管モデルは、心血管疾患の管理に関連するさまざまな診断、予後、治療計画のタスクに役立ちます。
ディープラーニングは、そのようなモデルを自動的に取得する手段を提供します。
理想的には、ユーザーは血管モデルに含める正確な関心領域 (ROI) を制御できる必要があり、モデルは防水性と高精度である必要があります。
この目的を達成するために、ボクセル マスク セグメンテーションを利用して、関心のある血管の境界条件をローカルな反復血管セグメンテーション モデルに提供するグローバル コントローラーの組み合わせを提案します。
ローカル セグメンテーション モデルにスケール対称性と回転対称性の維持を導入し、目に見えないサイズと方向の血管への一般化につながります。
グローバル コントローラーと組み合わせることで、追加の再トレーニングなしで柔軟な 3D 血管モデルの構築が可能になります。
腹部大動脈瘤 (AAA) を含むデータセットに対するこの手法の可能性を実証します。
私たちの方法は、AAA、腸骨動脈、腎動脈のセグメンテーションにおいて最先端のセグメンテーション モデルと同等の性能を発揮し、水密で滑らかな表面セグメンテーションを提供します。
さらに、グローバル コントローラーを適応させることで、3D モデル内の血管セクションを簡単に拡張できることを示します。

要約(オリジナル)

Personalized 3D vascular models can aid in a range of diagnostic, prognostic, and treatment-planning tasks relevant to cardiovascular disease management. Deep learning provides a means to automatically obtain such models. Ideally, a user should have control over the exact region of interest (ROI) to be included in a vascular model, and the model should be watertight and highly accurate. To this end, we propose a combination of a global controller leveraging voxel mask segmentations to provide boundary conditions for vessels of interest to a local, iterative vessel segmentation model. We introduce the preservation of scale- and rotational symmetries in the local segmentation model, leading to generalisation to vessels of unseen sizes and orientations. Combined with the global controller, this enables flexible 3D vascular model building, without additional retraining. We demonstrate the potential of our method on a dataset containing abdominal aortic aneurysms (AAAs). Our method performs on par with a state-of-the-art segmentation model in the segmentation of AAAs, iliac arteries and renal arteries, while providing a watertight, smooth surface segmentation. Moreover, we demonstrate that by adapting the global controller, we can easily extend vessel sections in the 3D model.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google