一种用于生物片段MRI下前列腺癌分割与检测的二阶注意力机制
计算机视觉与模式识别
2025-11-11 v1
摘要
从双参数磁共振成像 (bp-MRI) 检测临床显著性前列腺癌病灶 (csPCa) 已成为一种无创成像技术，用于提高准确诊断。然而，这些图像的分析高度依赖主观的专家解读。虽然已提出深度学习方法用于csPCa病灶的检测和分割，但由于依赖大量标注数据集，仍受限。此外，前列腺区域的病灶变异性为额外的挑战，即使是专家放射科医生也是如此。本文引入一种基于Riemann流形的二阶几何注意力 (SOGA) 机制，通过跳跃连接引导专用的分割网络以检测csPCa病灶。该注意力机制在对称正定 (SPD) 表示上进行建模，从而学习。该提议机制被集成到标准U-Net 和 nnU-Net 主干网络中，并在公开可用的PI-CAI数据集上进行验证，实现了平均精度 (AP) 为0.37 和ROC曲线下面积 (AUC-ROC) 为0.83，优于基线网络和注意力方法。此外，该方法在独立的测试队列Prostate158数据集上进行评估，实现了AP为0.37 和AUC-ROC为0.75，确认了稳健的泛化能力，表明学习到的判别性表示。
引用
@article{arxiv.2511.05760,
title = {A Second-Order Attention Mechanism For Prostate Cancer Segmentation and Detection in Bi-Parametric MRI},
author = {Mateo Ortiz and Juan Olmos and Fabio Martínez},
journal= {arXiv preprint arXiv:2511.05760},
year = {2025}
}
备注
Accepted at the 28th Iberoamerican Congress on Pattern Recognition (CIARP 2025). To appear in Lecture Notes in Computer Science (LNCS), Springer