语义一致的离散扩散用于三维生物图建模-计算机科学-计算机视觉-医学图像.pdfVIP

语义一致的离散扩散用于三维生物图建模

ChinmayPrabhakar,SuprosannaShit,

TamazAmiranashvili,HongweiBranLi,andBjoernMenze

DepartmentofQuantitativeBiomedicine,UniversityofZurich,Switzerland

ETHAICenter,ETHZurich,Switzerland

DepartmentofComputerScience,TechnicalUniversityofMunich,Germany

AthinoulaA.MartinosCenter,HarvardMedicalSchool,USA

chinmay.prabhakar@uzh.ch

本

译摘要3D空间图在生物和临床研究中扮演着重要角色，通过建模解剖网络

（如血管、神经元和气道）来发挥作用。然而，在保持解剖有效性的同时生

中成3D生物图仍然是一个挑战，这是现有扩散方法的主要限制。在这项工

1作中，我们提出了一种新的3D生物图生成方法，该方法遵循结构和语义

v合理性的条件。我们通过在采样过程中使用一种新颖的投影算子来随机修

6

5复不一致之处实现了这一点。此外，我们采用了更适合稀疏生物图的高级

8边删除噪声过程。我们的方法在两个真实世界数据集（人Willis环和肺气

4

0道）上的表现优于以前的方法。重要的是，我们证明生成的样本显著提高

7.了下游图标注性能。进一步地，我们展示了我们的生成模型是一个合理的

0开箱即用链接预测器。

5

2

:Keywords:离散扩散·血管图·气道。

v

i

x

r

a1介绍

三维空间图是研究生物图的重要表示，包括血管网络[12]、神经连接性

[25]、气道树[11]、淋巴管网络[18]和骨微结构[13]。这些图是从成像模式的

分割[23]获得的。几项工作[15,10]研究了这些图的特征及其作为检测异常

生物标志物的相关性。学习生物图的分布至关重要，不仅因为这可以作为一

种生成合成样本的方法，还因为它可以用作下游任务（如链接预测、标签等）

的强大先验知识。然而，由于在结构约束（例如，在气道树中避免循环）和

语义一致性（例如，防止相邻节点之间的解剖学不一致的边缘标签）方面强

制执行解剖学合理性的难度，学习生物图的分布具有挑战性。

Contributedequally

2PrabhakarandShitetal.

生物图建模已经使用了随机方法[16]或拓扑优化[6]。这些模型并未明

确学习底层分布，而是从启发式模型中采样得到的。最近，生成模型[14]被

用于血管图的建模。然而，并不能保证生成解剖学上合理的图，通常导致依

赖次优的后处理或低效的样本拒绝。此外，在[14]中考虑的离散噪声模型随

意地将真实