文章详情

题名 · 作者 · 摘要 · 关键词 · DOI · 参考文献

一种基于曲率回溯和边缘感知的点云动脉瘤分割网络CREANet

王誉，郭莉琳

（浙江中医药大学，浙江 杭州 310053）

栏目：信息化应用 · 第 2026 年第 11 期 · 页码：165-174 · 2096-4706（2026）11-0165-10 · 中图分类号：TP391.41 · 文献标识码：A · DOI：10.19850/j.cnki.2096-4706.2026.11.029

摘要

针对动脉瘤分割中存在的几何结构复杂、边界模糊等难点，提出多模块融合网络（CREANet）。该网络利用基于曲率的谱分析点重组策略，增强几何特征的提取能力；再经过多级回顾式特征优化模块，保留多尺度细节并促进多维度空间信息流动；并引入边缘感知增强模块，通过显式预测边缘概率增强边界识别能力。在IntrA数据集上的结果表明，该网络在血管分割中的交并比达95.06%，在动脉瘤分割中达84.42%，其分类准确率达94.56%，均优于一些最先进的模型。此外，在ModelNet40和ShapeNetPart数据集上，其总体分类准确率达93.4%，平均交并比达84.7%，证明了方法的鲁棒性与通用性。该研究为动脉瘤的精准分割提供了有效方案，具有临床应用潜力。

关键词

颅内动脉瘤；深度学习；曲率遍历；回顾性优化；边界增强；点云

参考文献

  1. [1] Cheng M Q，Xiao N，Yuan H，et al. Automatic Intracranial Aneurysm Segmentation Based on Spatial Information Fusion Feature from 3D-RA Using U-Net [C]//2021 IEEE International Conference on Mechatronics and Automation (ICMA)，2021：236-241.
  2. [2] Li B H，Guo J Z，Liu H S，et al. UniScene: Unified Occupancy-centric Driving Scene Generation [C]//2025 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2025：11971-11981.
  3. [3] Yu J H，Zhang C Y，Wang H，et al. 3D Medical Point Transformer：Introducing Convolution to Attention Networks for Medical Point Cloud Analysis [J/OL].arXiv:2112.04863 [eess.IV].https://arxiv.org/abs/2112.04863.
  4. [4] Cao R F，Zhang D W，Wei P J，et al. PMMNet: A Dual Branch Fusion Network of Point Cloud and Multi-view for Intracranial Aneurysm Classification and Segmentation [J].IEEE Journal of Biomedical and Health Informatics，2025，29（5）：3137-3147.
  5. [5] Chen T X，Zhou X D，Tan Z T，et al. Zig-RiR: Zigzag RWKV-in-RWKV for Efficient Medical Image Segmentation [J].IEEE Transactions on Medical Imaging，2025，44（8）：3245-3257.
  6. [6] Zhang W Y，Lu F X，Su H J，et al. Dual-branch Multi-information Aggregation Network with Transformer and Convolution for Polyp Segmentation [J/OL].Computers in Biology and Medicine，2024，168：107760.https://doi.org/10.1016/j.compbiomed.2023.107760.
  7. [7] He Y F，Guo P F，Tang Y C，et al. VISTA3D: A Unified Segmentation Foundation Model for 3D Medical Imaging [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2025：20863-20873.
  8. [8] Perera S，Navard P，Yilmaz A. SegFormer3D: An Efficient Transformer for 3D Medical Image Segmentation [C]//2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW)，2024：4981-4988.
  9. [9] Lai X，Liu J H，Jiang L，et al. Stratified Transformer for 3D Point Cloud Segmentation [C]//2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2022：8490-8499.
  10. [10] Wu X Y，Jiang L，Wang P-S，et al. Point Transformer V3: Simpler, Faster, Stronger [C]//2024 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2024：4840-4851.
  11. [11] Shao D，Lu X Q，Liu X. 3D Intracranial Aneurysm Classification and Segmentation Via Unsupervised Dual-Branch Learning [J].IEEE Journal of Biomedical and Health Informatics，2023，27（4）：1770-1779.
  12. [12] Liu Y F，Li W Y，Liu J，et al. GRAB-Net: Graph-based Boundary-aware Network for Medical Point Cloud Segmentation [J].IEEE Transactions on Medical Imaging，2023，42（9）：2776-2786.
  13. [13] Guo M-H，Cai J-X，Liu Z-N，et al. PCT: Point Cloud Transformer [J].Computational Visual Media，2021，7（2）：187-199.
  14. [14] Zhang Y H，Wang Z H，Han J Ll，et al. GS-Net：Generalizable Plug-and-play 3D Gaussian Splatting Module [J/OL].arXiv:2409.11307 [cs.CV].https://arxiv.org/abs/2409.11307.
  15. [15] Cao H Z，Ma Y X，Zhan R H，et al. Adaptive Surface Fitting Convolution for 3D Point Cloud Analysis [C]//2020 5th International Conference on Automation，Control and Robotics Engineering (CACRE)，2020：732-738.
  16. [16] Zeng Z Y，Dong M Y，Zhou J，et al. DeepLA-Net: Very Deep Local Aggregation Networks for Point Cloud Analysis [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)，2025：1330-1341.
  17. [17] Xu M T，Ding R Y，Zhao H S，et al. PAConv: Position Adaptive Convolution with Dynamic kernel assembling on Point Clouds [C]//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2021：3172-3181.
  18. [18] Engel N，Belagiannis V，Dietmayer K. Point Transformer [J].IEEE Access，2021，9：134826-134840.
  19. [19] Zhang C，Wan H C，Shen X Y，et al. PatchFormer: An Efficient Point Transformer with Patch Attention [C]//2022 IEEE/CVF Conference on Computer Vision and Pattern Recognition(CVPR)，2022：11789-11798.
  20. [20] Qian G C，Li Y C，Peng H W，et al. PointNeXt: Revisiting PointNet++ with Improved Training and Scaling Strategie [J/OL].arXiv:2206.04670 [cs.CV].https://arxiv.org/abs/2206.04670.

作者简介

王誉（2004—），女，汉族，江西鄱阳人，本科在读，研究方向：医学图像分割；通信作者：郭莉琳（1990—），女，汉族，山西忻州人，讲师，工学博士，研究方向：计算机视觉、智能医疗图像分析、多模态辅助诊断和预测。