MorVess：形态感知肺血管分割网络

由于血管结构的稀疏、曲折和多尺度性质，准确的肺血管分割仍然具有挑战性，其中小分支很容易丢失，并且在体素监督下很难保持拓扑完整性。现有的深度分割模型主要优化二值掩模，缺乏明确的几何约束，因此难以恢复连续的管状形态和精细的血管连接。在本研究中，我们引入了 MorVess，一种形态感知分割框架，它将可微的几何先验与大规模基础模型自适应相结合，以实现细粒度的血管解析。 MorVess 联合预测血管掩模、距离图和厚度图，为血管边界、中心线一致性和平滑直径过渡提供明确的监督。轻量级 2.5D 适配器桥接 3D 空间上下文和 2D SAM 表示，而全局局部融合块聚合多级语义和几何线索，以实现高保真拓扑重建。在两个具有挑战性的肺部 CT 基准中，MorVess 提供了卓越的 Dice、clDice 和 HD95 分数，显着改善了小血管恢复和全局连接性。这些结果表明，将几何智能嵌入到预训练的视觉模型中，为精确血管分析和临床可靠的结构量化提供了一条有原则且可扩展的途径。我们的源代码可在 https://github.com/MaoFuyou/MorVess 获取。