一种利用空间与通道注意力机制的自动 COVID-19 CT 分割网络
图像与视频处理
2021-02-09 v4 计算机视觉与模式识别
机器学习
摘要
冠状病毒病（COVID-19）大流行对全球公共卫生造成了破坏性影响。计算机断层扫描（CT）是筛查 COVID-19 的有效工具。快速、准确地从 CT 中分割 COVID-19 以辅助诊断与患者监测具有重要意义。本文提出一种基于 U-Net 并使用注意力机制的分割网络。由于编码器提取的特征并非全部有利于分割，我们提出将包含空间注意力与通道注意力的注意力机制嵌入 U-Net 架构，以在空间与通道维度上对特征表示重新加权，从而捕获丰富的上下文关系以获得更好的特征表示。此外，引入 focal tversky loss 以应对小病灶分割。在包含 473 张 CT 切片的 COVID-19 CT 分割数据集上的实验结果表明，所提方法能够实现准确且快速的 COVID-19 分割，单张 CT 切片分割仅需 0.29 秒，所得 Dice Score、灵敏度和特异度分别为 83.1%、86.7% 和 99.3%。
引用
@article{arxiv.2004.06673,
title = {An automatic COVID-19 CT segmentation network using spatial and channel attention mechanism},
author = {Tongxue Zhou and Stéphane Canu and Su Ruan},
journal= {arXiv preprint arXiv:2004.06673},
year = {2021}
}
备注
14 pages, 6 figures