VesselTok: 再構築と生成のための血管様3D生体医用グラフ表現のトークン化

要旨: 空間グラフは、血管、肺の気道、神経ネットワークなどの曲線状の解剖学的構造を、軽量かつ洗練された表現として提供します。これらのグラフを正確にモデリングすることは、臨床および（生体）医療研究において極めて重要です。しかし、大規模ネットワークの高い空間解像度はその複雑さを著しく増大させ、顕著な計算上の課題を招きます。本研究では、空間的に密なグラフをパラメトリックな形状の視点から捉えるフレームワーク VesselTok を提案し、潜在表現（トークン）の学習を通じてこれらの課題に取り組むことを目指します。VesselTok は、中心線点と疑似半径を活用して、管状の幾何を効果的にエンコードします。特に、中心線点に条件づけられた新しい潜在表現を学習し、血管様の管状構造のニューラル・インプリシット表現をエンコードします。VesselTok の性能を、肺の気道、肺の血管、脳の血管を含む多様な解剖学的構成にわたって示し、その複雑なトポロジーを頑健にエンコードする能力を強調します。VesselTok が学習した潜在表現の有効性を証明するために、それらが (i) 未知の解剖学へ一般化すること、(ii) 妥当な解剖学的グラフの生成モデルをサポートすること、(iii) リンク予測のような下流の逆問題へ効果的に転送されることを示します。