準(zhǔn)確分割拓?fù)涔軤罱Y(jié)構(gòu)，如血管和道路，在各個領(lǐng)域中至關(guān)重要，可以確保下游任務(wù)的準(zhǔn)確性和效率。然而，許多因素使任務(wù)復(fù)雜化，包括細(xì)小的局部結(jié)構(gòu)和可變的全局形態(tài)。在這項(xiàng)工作中，我們注意到管狀結(jié)構(gòu)的特殊性，并利用這一知識來引導(dǎo)我們的DSCNet，以在三個階段同時增強(qiáng)感知：特征提取、特征融合和損失約束。首先，我們提出了一種動態(tài)蛇卷積，通過自適應(yīng)地關(guān)注細(xì)長且彎曲的局部結(jié)構(gòu)，以精確捕捉管狀結(jié)構(gòu)的特征。隨后，我們提出了一種多視圖特征融合策略，在特征融合期間從多個角度補(bǔ)充對特征的關(guān)注，確保保留不同全局形態(tài)的重要信息。最后，基于持續(xù)同調(diào)的連續(xù)性約束損失函數(shù)被提出，以更好地約束分割的拓?fù)溥B續(xù)性。對2D和3D數(shù)據(jù)集的實(shí)驗(yàn)證明，與幾種方法相比，我們的DSCNet在管狀結(jié)構(gòu)分割任務(wù)上提供了更好的準(zhǔn)確性和連續(xù)性。我們的代碼已公開提供。

論文地址：https://arxiv.org/abs/2307.08388
代碼地址：https://github.com/YaoleiQi/DSCNet