HENet: Hierarchical Enhancement Network for Pulmonary Vessel Segmentation in Non-contrast CT Images

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