一种用于精确三维肿瘤分割的鲁棒体素Transformer
图像与视频处理
2022-07-04 v2 计算机视觉与模式识别
摘要
我们提出了一种用于体素分割的Transformer架构，这是一项具有挑战性的任务，需要在编码局部与全局空间线索之间保持复杂平衡，并沿体素所有轴保留信息。所提设计的编码器得益于自注意力机制，可同时编码局部和全局线索，而解码器采用并行自注意力与交叉注意力形式以捕获精细细节用于边界优化。经验上，我们表明所提设计选择产生了计算高效的模型，并在Medical Segmentation Decathlon (MSD) 脑肿瘤分割 (BraTS) 任务上取得了具有竞争力和前景的结果。我们进一步表明，我们的模型学习到的表征对数据损坏具有鲁棒性。\href{https://github.com/himashi92/VT-UNet}{我们的代码实现已公开可用}。
引用
@article{arxiv.2111.13300,
title = {A Robust Volumetric Transformer for Accurate 3D Tumor Segmentation},
author = {Himashi Peiris and Munawar Hayat and Zhaolin Chen and Gary Egan and Mehrtash Harandi},
journal= {arXiv preprint arXiv:2111.13300},
year = {2022}
}