用于高保真儿童胶质瘤分割的 3D 图注意力网络
计算机视觉与模式识别
2024-12-10 v1
摘要
儿童脑肿瘤，特别是胶质瘤，是导致儿童癌症相关死亡的重要原因，其复杂的浸润性生长模式使治疗复杂化。在神经影像数据中对这些肿瘤进行早期准确分割对于有效诊断和干预规划至关重要。本研究提出了一种专为自动化儿童胶质瘤分割量身定制的新型 3D UNet 架构，融合了空间注意力机制。利用 BraTS 儿童胶质瘤数据集和多参数 MRI 数据，所提出的模型捕获多尺度特征并选择性地关注肿瘤相关区域，提高了分割精度并减少了周围组织的干扰。模型的性能通过 Dice 相似系数和 HD95 进行定量评估，展示了对复杂胶质瘤结构的改进描绘。该方法为自动化儿童胶质瘤分割提供了有前景的进展，有望改善临床决策和结果。
引用
@article{arxiv.2412.06743,
title = {3D Graph Attention Networks for High Fidelity Pediatric Glioma Segmentation},
author = {Harish Thangaraj and Diya Katariya and Eshaan Joshi and Sangeetha N},
journal= {arXiv preprint arXiv:2412.06743},
year = {2024}
}
备注
8 pages, 9 figures