文章目录
HENet: Hierarchical Enhancement Network for Pulmonary Vessel Segmentation in Non-contrast CT Images
摘要
肺血管在计算机断层扫描(CT)图像中的分割对于肺血管疾病和手术导航至关重要。然而,现有方法通常设计用于增强对比度的图像,在非增强CT图像中,其性能受到对比度低和Hounsfield单位(HU)的不均匀性的限制,同时,血管结构的变化大小在当前肺血管分割方法中未得到很好考虑。
为了解决这个问题,本文提出了一个用于肺血管分割任务的分层增强网络(HENet),以更好地学习图像和特征级别的血管表示。
首先设计了一个自动对比度增强(ACE)模块,动态调整血管对比度。
然后,提出了一个跨尺度非局部块(CSNB),通过利用局部和全局语义信息,有效地融合多尺度特征。
代码地址
方法
Fig. 1. 准确进行肺血管分割面临的挑战。(a-b)中央肺外血管(蓝色箭头指示)与管状的肺内血管(绿色箭头指示)相比较大,随着它们靠近外周肺部,变得更细。 (c)非增强CT图像中难以区分血管。(d-e)不同区域血管的HU值差异显著。(在线彩色图)
Fig. 2. 所提出的HENet的概述。它由两个组件组成:(1)自动对比度增强模块(底部)。 (2)跨尺度非局部块中的不对称非局部块(右上角)。
实验结果