摘要
我们提出了一种基于深度学习的血管分割系统。现有的使用卷积神经网络（CNN）的方法大多依赖于在常规图像网格上学到的局部特征，而未考虑血管形状的图结构。为了解决这一问题，我们将图卷积网络（Graph Convolutional Network, GCN）融入统一的CNN架构中，通过结合不同类型的特征来推断最终的分割结果。所提出的这种方法可以扩展任何基于CNN的血管分割方法，以提升其性能。实验结果表明，该方法在两个视网膜图像数据集以及一个冠状动脉X射线造影数据集上的表现优于当前最先进的方法。
我们提出了一种基于深度学习的血管分割系统。现有的使用卷积神经网络（CNN）的方法大多依赖于在常规图像网格上学到的局部特征，而未考虑血管形状的图结构。为了解决这一问题，我们将图卷积网络（Graph Convolutional Network, GCN）融入统一的CNN架构中，通过结合不同类型的特征来推断最终的分割结果。所提出的这种方法可以扩展任何基于CNN的血管分割方法，以提升其性能。实验结果表明，该方法在两个视网膜图像数据集以及一个冠状动脉X射线造影数据集上的表现优于当前最先进的方法。