基于多维信息融合的无监督快速肺部血管分割算法

肺部CT图像中血管的分割在疾病的诊断和外科治疗中起着重要作用。在医学图像相关任务中，深度学习因其强大的表现能力和辨别学习能力，被广泛应用。然而基于深度学习的方法需要昂贵的GPU和大量有标签的数据。为了更好地平衡肺部CT图像血管分割的准确性和效率，提出了一种基于多维信息融合的快速有效的血管分割算法(MDF),该算法设计2D分割分支和3D分割分支来充分利用2D和3D信息，在最后的分割结果中对多个分支的结果进行合并，能够快速有效地融入到传统无监督算法。与此同时，MDF具有强大并行能力，能够在低端显卡上被显著加速。选取VESSEL12挑战的23例数据以及CARVE14挑战赛的55例数据对所提出的基于多维信息融合的血管分割算法进行了全面评估。实验结果表明，MDF与其他无监督算法相比有着更高的精度，在CARVE14数据集上血管的DSC系数达到了0.716。除此之外，通过GPU并行优化，运行速度大约为基于Hession矩阵的Frangi多尺度算法的20倍。与深度学习算法相比，MDF在不同数据集上的泛化能力更强。