AGD-Autoencoder:用于脑肿瘤分割的注意力门控深度卷积自编码器
图像与视频处理
2021-07-08 v1 计算机视觉与模式识别
机器学习
摘要
脑肿瘤分割是医学图像分析中的一项挑战性问题。其目标是生成在 fMRI 筛查中准确识别脑肿瘤区域的显著掩码。本文提出一种用于脑肿瘤分割的新型注意力门(AG 模型),其利用边缘检测单元与注意力门控网络来从 fMRI 图像中高亮并分割显著区域。该特性使我们无需像经典计算机视觉技术那样必须显式指向受损区域(外部组织定位)并分类(classification)。AGs 可轻松集成于深度卷积神经网络(CNNs)中。所需计算开销极小,而 AGs 显著提高了灵敏度分数。我们表明边缘检测器结合注意力门控机制为脑分割提供了充分的方法,达到 0.78 的 IOU。
引用
@article{arxiv.2107.03323,
title = {AGD-Autoencoder: Attention Gated Deep Convolutional Autoencoder for Brain Tumor Segmentation},
author = {Tim Cvetko},
journal= {arXiv preprint arXiv:2107.03323},
year = {2021}
}
备注
8 pages, 2 figures