面向血管重建的拓扑感知距离场

结构骨架

源论文表明，距离场先验可以保持血管网络的连续性，而不是仅优化体素级别的相似性。

物理概念/数学对象

可迁移结构是一种对拓扑敏感的场表示：局部值携带关于全局结构是否保持连通的信息。

人工智能目标问题

在输出仅在图状结构保持全局有效时才具有实用性的目标重构或生成问题中，例如道路提取、电路布局或智能体路径合成。

变量/运算符/目标映射

• Distance field -> 图有效性的连续代理 (continuous proxy for graph validity)
• Vessel continuity -> 生成对象的结构连通性 (structural connectedness of the generated object)
• Multi-scale supervision -> 网络拓扑的粗粒度到细粒度保持 (coarse-to-fine preservation of network topology)

为什么这可能奏效

距离场相较于稀疏图监督为模型提供了更平滑的信号，同时仍能编码附近的几何误差是否威胁全局连通性。

为什么会失败

如果任务不真正依赖于全局连通性，那么拓扑感知监督可能会增加复杂性而无益。如果距离值与实际结构失效的相关性很差，代理也可能产生误导。

最小可证伪实验

在结构化重建基准上，比较体素级（voxel-wise）、图级（graph-wise）和距离场增强（distance-field-augmented）的监督方法。跟踪连通性违规、修复成本和下游任务性能。如果距离场先验未能将拓扑错误降低到标准局部损失（standard local losses）的水平以上，则拒绝该简报。