Dual-Part Multi-Lateral Branched Network for Multi-Class Segmentation in Cardiovascular Catheterization Angiograms
本研究提出了一种用于心血管导管造影多类别分割的双部分 MLBNet 架构。该架构采用多侧编码器块和多头解码器分支，利用侧向分支进行重复特征提取以学习多样化共享表示，并通过多个解码器头部引入专注于不同结构特性的类倾斜分支。研究使用在 phantom 模型、合成人模拟主动脉及动物模型中获取的多类别分割造影数据对模型进行训练与评估。实验结果表明，该双部分模型能以高概率有效将导丝、导管、血管和背景像素分离至其所属类别，并能以高整体准确率区分主导背景类与前景结构。