基于U形结构与注意力机制的轻量卷积神经网络用于前纵隔分割
图像与视频处理
2024-11-05 v1 计算机视觉与模式识别
摘要
为自动检测前纵隔病变（AML），首要需求是专门针对前纵隔（AM）设计的分割模型。AML的患病率极低，使得开展类似肺癌筛查的研究极具挑战性。回顾特定时期的胸部CT扫描以调查AML的患病率需要耗费大量时间。因此，开发一种人工智能模型来定位AM有助于放射科医生提升工作负载管理能力并提高AML的诊断准确性。本文提出一种U形结构网络用于分割AM。两种注意力机制被用于维持长程依赖关系和定位。为获得多头自注意力（MHSA）的潜力并构建轻量网络，我们设计了一种并行MHSA称为宽MHSA（W-MHSA）。在上采样特征图时维持长程依赖关系对分割至关重要，因此我们为此设计了一种扩张深度并行路径连接（DDWPP）。为设计轻量架构，我们引入了一种扩张卷积块，并将其与所提出的W-MHSA结合用于所提U形网络编码器部分的特征提取。所提网络在2775例AM病例上训练，获得了平均Dice相似系数（DSC）为87.83%、平均交并比（IoU）为79.16%和灵敏度为89.60%。所提架构在分割性能上优于最先进的分割网络，如Trans Unet、Attention Unet、Res Unet和Res Unet++。
引用
@article{arxiv.2411.01019,
title = {A lightweight Convolutional Neural Network based on U shape structure and Attention Mechanism for Anterior Mediastinum Segmentation},
author = {Sina Soleimani-Fard and Won Gi Jeong and Francis Ferri Ripalda and Hasti Sasani and Younhee Choi and S Deiva and Gong Yong Jin and Seok-bum Ko},
journal= {arXiv preprint arXiv:2411.01019},
year = {2024}
}