具有跨域泛化能力的3D感知知识引导式血管分割技术，用于全面的血管造影分析

《Knowledge-Based Systems》：3D-aware knowledge-guided vessel segmentation with cross-domain generalization for comprehensive angiography analysis

　　

张圆圆|冯柳柳|陈斌|傅强强|高凯|王宇

摘要

在血管造影图像中进行精确的血管分割对于心血管疾病的诊断和治疗计划至关重要。现有方法往往忽略了血管的固有三维结构，并且由于知识整合能力有限，难以在不同解剖学领域中进行泛化。为了解决这些限制，我们提出了一个基于知识的新型框架，用于实现具有三维感知能力的血管分割，该框架结合了空间信息并增强了跨领域泛化能力。我们的框架包含三个关键组成部分：（1）深度估计模块，通过整合先验的解剖学知识来构建伪三维血管表示；（2）自适应几何学习方法，结合图卷积网络和可变形卷积，根据领域专业知识捕捉血管结构和外观；（3）跨领域泛化策略，利用领域对抗训练和少量样本学习进行知识迁移。该系统通过利用全面的血管模式知识库，能够智能地适应不同的血管形态。在多个数据集上的广泛实验表明，我们的知识引导框架优于现有的最先进方法。我们展示了该方法在不同解剖区域（包括主动脉、冠状动脉和视网膜动脉）中进行泛化的有效性，突显了其作为临床应用智能决策系统的潜力。