基于注意力的 CT 扫描插值用于结直肠肝转移灶的病灶分割
图像与视频处理
2023-08-31 v1 计算机视觉与模式识别
摘要
结直肠肝转移 (CRLMs) 常见的小肝脏病灶对卷积神经网络 (CNN) 分割模型具有挑战性，尤其是当我们的计算机断层扫描 (CT) 切片厚度范围较宽时。CT 图像的切片厚度可能因临床指征而异。例如，当需要对小血管的精细解剖细节进行术前规划时，会使用较薄的切片。在尽可能降低患者有效辐射剂量的同时，由于自身局限性，CRLMs 中采用了各种切片厚度。然而，CT 之间切片厚度的差异会导致基于 CNN 的 CT 分割模型性能显著下降。本文提出了一种新颖的无监督基于注意力的插值模型，用于从 CT 扫描中的连续三切片生成中间切片。我们在插值模型训练期间整合分割损失，以利用现有切片中的分割标签来生成中间切片。与 CT 体积中的常见插值技术不同，我们的模型在插值切片中突出显示了腹部 CT 扫描中感兴趣区域（肝脏和病灶）的内部。此外，我们模型的输出与原始输入切片保持一致，同时提升了两个前沿 3D 分割流程中的分割性能。我们在 CRLM 数据集上测试了所提模型，对厚切片受试者进行上采样并为我们的分割模型创建各向同性体积。所生成的各向同性数据集提高了病灶分割中的 Dice 分数，并在插值指标方面优于其他插值方法。
引用
@article{arxiv.2308.15932,
title = {Attention-based CT Scan Interpolation for Lesion Segmentation of Colorectal Liver Metastases},
author = {Mohammad Hamghalam and Richard K. G. Do and Amber L. Simpson},
journal= {arXiv preprint arXiv:2308.15932},
year = {2023}
}