在X射线血管图像中的点监督冠状动脉语义细分

科学领域:

• 医疗成像医学成像
• 计算机辅助诊断 计算机辅助诊断
• 医疗保健中的人工智能

背景情况:

• 在X射线血管学中冠状动脉语义细分对于诊断和规划冠状动脉疾病 (CAD) 治疗至关重要.
• 这项任务的手动像素级注释是劳动密集型和具有挑战性的,因为复杂的血管结构和类似的分支外观.
• 现有的方法在稀疏的点性监督下扎,往往导致过度拟合和糟糕的泛化.

研究的目的:

• 开发一个点监督的冠状动脉语义细分框架,尽量减少注释负担,同时保持高准确度.
• 为应对与稀疏点标签相关的过度拟合和有限泛化的挑战.
• 改善冠状动脉拓的感知和血管分支之间的差异化.

主要方法:

• 提出了冠状动脉语义细分的点监督框架.
• 引入了自适应的前景面罩生成模块和区域规范化,以丰富来自稀疏点标签的监督信号.
• 开发了一个多任务学习框架,将关键点检测和语义细分结合起来,使用共享的编码器和特定任务的解码器进行语义细分.

主要成果:

• 点监督模型实现了与完全监督方法相比的细分精度.
• 拟议的框架与现有的最先进的点监督语义细分技术相比,表现优越.
• 有效地减少了对密集,像素级手动注释的需求.

结论:

• 新的点监督方法显著减少了冠状动脉语义细分的注释工作.
• 该方法为完全监督的技术提供了可行的替代方案,实现了可比性能.
• 这一框架提高了冠状动脉疾病的计算机辅助诊断的可行性.