Segmentation Profonde des Vaisseaux par Apprentissage de la Connectivité Graphique

Nous proposons un système innovant basé sur l'apprentissage profond pour la segmentation des vaisseaux sanguins. Les méthodes existantes utilisant des CNN (Convolutional Neural Networks) se sont principalement appuyées sur les apparences locales apprises sur une grille d'images régulière, sans prendre en compte la structure graphique de la forme des vaisseaux. Pour remédier à cela, nous intégrons un réseau de convolution graphique dans une architecture CNN unifiée, où la segmentation finale est inférée en combinant différents types de caractéristiques. La méthode proposée peut être appliquée pour étendre tout type de méthode de segmentation des vaisseaux basée sur les CNN afin d'améliorer les performances. Les expériences montrent que la méthode proposée surpasses les méthodes actuelles de pointe sur deux jeux de données d'images rétiniennes ainsi qu'un jeu de données d'angiographies coronariennes au rayon X.