马巴VesselNet:一种基于状态空间模型的血管细分的新方法

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 生物医学工程 生物医学工程

背景情况:

• 精确的三维 (3D) 血管细分对于诊断和治疗各种疾病至关重要.
• 现有的方法在细分小容器,准确地划分边缘和减轻文物或噪声方面扎,导致错误的阳性.

研究的目的:

• 介绍MambaVesselNet,这是一种用于3D血管细分的新型深度学习方法.
• 为了应对捕获细血管结构,准确细分血管边缘和减少误报的挑战.

主要方法:

• 开发了MambaVesselNet,利用一个状态空间模型与选择性状态空间时间序列建模策略,用于更大的受体场.
• 整合了边缘增强模块和特征选择模块,以改善细结构和边缘细分.
• 采用nnUNet的空间一致性预处理策略.

主要成果:

• 在三个标准的血管细分基准上,MambaVesselNet实现了最先进的性能.
• 在Dice系数显著改善,心血管数据集增加1.38%,肝血管数据集增加2.69%.
• 成功解决了与小型船舶结构,边缘精度和降噪相关的挑战.

结论:

• MambaVesselNet代表了3D血管细分技术的重大进步.
• 建议的边缘增强和特征选择模块,结合nnUNet预处理,为复杂的血管细分任务提供了强大的解决方案.
• 这种方法为血管结构的医学图像分析的准确性和可靠性设定了新的基准.