一种用于多模态MRI腮腺肿瘤自动分割的解剖感知框架
图像与视频处理
2022-10-05 v1
摘要
磁共振成像（MRI）在腮腺肿瘤诊断中起着重要作用，其中肿瘤的准确分割对于确定适当的治疗方案并避免不必要的手术极为重要。然而，由于肿瘤边界模糊、大小不一，以及腮腺周围存在大量与肿瘤相似的解剖结构，该任务仍然困难且具有挑战性。为克服这些问题，我们提出了一种新颖的用于多模态MRI腮腺肿瘤自动分割的解剖感知框架。首先，本文提出基于 Transformer 的多模态融合网络 PT-Net。PT-Net 的编码器从粗到细地提取并融合来自三种 MRI 模态的上下文信息，以获得跨模态和多尺度的肿瘤信息。解码器堆叠不同模态的特征图，并利用通道注意力机制对多模态信息进行校准。其次，考虑到分割模型容易受到相似解剖结构的干扰并做出错误预测，我们设计了解剖感知损失。通过计算预测分割与真值激活区域之间的距离，我们的损失函数迫使模型区分与肿瘤相似的解剖结构并做出正确预测。使用腮腺肿瘤 MRI 扫描的大量实验表明，我们的 PT-Net 取得了比现有网络更高的分割精度。该解剖感知损失在腮腺肿瘤分割上优于最先进的损失函数。我们的框架有望改善腮腺肿瘤术前诊断和手术规划的质量。
引用
@article{arxiv.2210.01467,
title = {An Anatomy-aware Framework for Automatic Segmentation of Parotid Tumor from Multimodal MRI},
author = {Yifan Gao and Yin Dai and Fayu Liu and Weibing Chen and Lifu Shi},
journal= {arXiv preprint arXiv:2210.01467},
year = {2022}
}
备注
under review