APAUNet：用于三维医学图像中小目标分割的轴投影注意力 UNet
计算机视觉与模式识别
2022-10-05 v1
摘要
在三维医学图像分割中，小目标分割对诊断至关重要但仍面临挑战。本文提出轴投影注意力 UNet，名为 APAUNet，用于三维医学图像分割，特别是小目标。考虑到三维特征空间中背景占比较大，我们引入投影策略将三维特征投影到三个正交的二维平面，以从不同视角捕获上下文注意力。以此方式，我们可以过滤冗余特征信息并缓解三维扫描中小病灶关键信息的丢失。随后我们利用维度混合策略将三维特征与来自不同轴的注意力融合，并通过加权求和合并以自适应学习不同视角的重要性。最后，在 APA 解码器中，我们在二维投影过程中拼接高分辨率与低分辨率特征，从而获得更精确的多尺度信息，这对小病灶分割至关重要。在两个公开数据集（BTCV 和 MSD）上的定量与定性实验结果表明，我们提出的 APAUNet 优于其他方法。具体而言，我们的 APAUNet 在 BTCV 上取得 87.84 的平均 Dice 分数，在 MSD-Liver 上为 84.48，在 MSD-Pancreas 上为 69.13，并在小目标上显著超越先前的 SOTA 方法。
引用
@article{arxiv.2210.01485,
title = {APAUNet: Axis Projection Attention UNet for Small Target in 3D Medical Segmentation},
author = {Yuncheng Jiang and Zixun Zhang and Shixi Qin and Yao Guo and Zhen Li and Shuguang Cui},
journal= {arXiv preprint arXiv:2210.01485},
year = {2022}
}
备注
Accepted by ACCV2022