Partial Vessels Annotation-Based Coronary Artery Segmentation with Self-training and Prototype Learn

Partial Vessels Annotation-Based Coronary Artery Segmentation with Self-training and Prototype Learning

摘要

冠状动脉计算机断层扫描血管造影 （CCTA） 图像上的冠状动脉分割对于临床应用至关重要。由于需要专业知识和劳动密集型的注释过程，对相关标签高效学习算法的需求不断增长。

本文提出了

1. 基于冠状动脉分割的挑战和临床诊断特征的部分血管注释（PVA）。
2. 一种渐进式弱监督学习框架，以实现PVA下的准确分割。
   首先，提出的框架学习血管的局部特征，将知识传播到未标记的区域。随后，它利用传播的知识学习全局结构，并纠正传播过程中引入的错误。最后，它利用特征嵌入和特征原型之间的相似性来增强测试输出。
   代码地址

本文方法

图 1.赋予动机。（a）和（b）显示了冠状动脉分割的两个挑战，而（c）显示了根据挑战提出的部分血管注释（PVA）。a） 冠状动脉边界模糊，靶区分散。b） 冠状动脉具有复杂的整体拓扑结构，但局部特征相似。c） 部分容器注释（红色）标记的区域少于完整注释（整体）。

提出的局部血管注释（PVA）框架分两个阶段工作。
1）LFE阶段从局部PVA中提取和学习体素特征。在学习过程之后，它会在训练集上进行推断，将学到的知识传播到未标记的区域，其输出与 PVA 标签集成以初始化伪标签。
2）GSR阶段利用伪标签进行自我训练，并利用预测一致性来改进伪标签。
还设计了一个自适应标签传播单元（LPU）和一个可学习的即插即用特征原型分析（FPA）模块。
LPU 初始化和更新伪标签;FPA 模块在测试前学习，并在测试期间改进最终输出。

实验结果