DeNVeR: Deformable Neural Vessel Representations for Unsupervised Video Vessel Segmentation

要約

本論文では、X線動画における血管セグメンテーションのための教師なしアプローチである、変形可能なニューラル血管表現(DeNVeR)を紹介する。DeNVeRはオプティカルフローとレイヤー分離を利用し、セグメンテーションの精度とテスト時の学習による適応性を向上させる。我々の研究の重要な要素は、XACVデータセットの導入である。XACVデータセットは、高品質で、手動でラベル付けされたセグメンテーションのグランドトゥルースを持つ最初のX線血管造影冠動脈ビデオデータセットである。我々の評価では、DeNVeRが血管セグメンテーションにおいて、現在の最先端手法を凌駕することを実証している。この論文は、疾患診断と治療計画のためのロバストでデータ効率の高いツールを提供し、ビデオ血管セグメンテーションにおける今後の研究の新たな基準を設定する、医療画像診断の進歩を示すものである。https://kirito878.github.io/DeNVeR/、ビデオ結果はプロジェクトページをご覧ください。

要約(オリジナル)

This paper presents Deformable Neural Vessel Representations (DeNVeR), an unsupervised approach for vessel segmentation in X-ray videos without annotated ground truth. DeNVeR uses optical flow and layer separation, enhancing segmentation accuracy and adaptability through test-time training. A key component of our research is the introduction of the XACV dataset, the first X-ray angiography coronary video dataset with high-quality, manually labeled segmentation ground truth. Our evaluation demonstrates that DeNVeR outperforms current state-of-the-art methods in vessel segmentation. This paper marks an advance in medical imaging, providing a robust, data-efficient tool for disease diagnosis and treatment planning and setting a new standard for future research in video vessel segmentation. See our project page for video results at https://kirito878.github.io/DeNVeR/.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL