ICCV 2025｜HarmonySeg：多尺度融合与拓扑感知损失实现SOTA管状结构分割

主要观点总结

文章介绍了名为HarmonySeg的新框架，用于医学图像中管状物结构分割。该框架结合了深浅特征融合与生长-抑制平衡损失，能在复杂影像环境下实现高精度和高连通性的分割，突破了标注缺失、小血管漏检、结构断裂等难题。HarmonySeg在多个任务上展现出优秀性能，尤其在拓扑连通性与微小结构保留方面表现突出。

关键观点总结

关键观点1: HarmonySeg框架介绍

HarmonySeg是一个用于医学图像中管状物结构分割的新框架，它通过深浅特征融合与生长-抑制平衡损失，实现了在复杂影像环境下的高精度和高连通性分割。

关键观点2: HarmonySeg的主要特点

HarmonySeg突破了标注缺失、小血管漏检、结构断裂等难题，通过深浅特征融合，提高了微小血管的召回率，同时过滤噪声伪影。此外，它的生长-抑制平衡损失让模型学会合理补全，即使面临标注缺失的情况，也能保持拓扑结构的完整性。

关键观点3: HarmonySeg的实验结果

HarmonySeg在肝脏血管分割、视网膜血管分割、气管树分割和冠状动脉分割等多个任务上进行了测试，并展现了优秀的性能。在衡量分割整体性能的Dice和血管树连通性的clDice等指标上都实现了最优的性能。