3D EAGAN：用于经直肠超声图像中前列腺分割的三维边缘感知注意力生成对抗网络
图像与视频处理
2023-11-08 v1 计算机视觉与模式识别
摘要
TRUS 图像中的前列腺自动分割一直是个具有挑战性的问题，因为 TRUS 图像中的前列腺边界模糊且强度分布不均匀。尽管已提出许多前列腺分割方法，但由于缺乏对边缘信息的敏感性，它们仍有待改进。因此，本研究旨在设计一种高效的前列腺分割方法，克服这些局限并在 TRUS 图像中实现前列腺的准确分割。本文提出一种基于三维边缘感知注意力生成对抗网络（3D EAGAN）的前列腺分割方法，其由一个执行前列腺分割的边缘感知分割网络（EASNet）和一个区分预测前列腺与真实前列腺的判别网络组成。所提出的 EASNet 由基于编码器-解码器的 U-Net 骨干网络、细节补偿模块、四个三维空间与通道注意力模块、边缘增强模块以及全局特征提取器构成。提出细节补偿模块以补偿由编码器下采样过程引起的细节信息损失。细节补偿模块的特征由三维空间与通道注意力模块选择性增强。此外，提出边缘增强模块以引导 EASNet 中的浅层聚焦于前列腺的轮廓与边缘信息。最后，来自浅层的特征与来自解码器模块的层级特征通过全局特征提取器融合以预测分割前列腺。
引用
@article{arxiv.2311.04049,
title = {3D EAGAN: 3D edge-aware attention generative adversarial network for prostate segmentation in transrectal ultrasound images},
author = {Mengqing Liu and Xiao Shao and Liping Jiang and Kaizhi Wu},
journal= {arXiv preprint arXiv:2311.04049},
year = {2023}
}