基于尺度注意力网络的全自动脑肿瘤分割
图像与视频处理
2020-11-30 v3 计算机视觉与模式识别
摘要
脑肿瘤自动分割是提取定量影像生物标志物以实现准确肿瘤检测、诊断、预后、治疗规划与评估的重要但具挑战性的步骤。2020年多模态脑肿瘤分割挑战赛（BraTS 2020）提供了一个通用平台，用于在多参数磁共振成像（mpMRI）上比较不同自动算法在以下任务上的表现：1）脑肿瘤MRI扫描分割；2）根据术前MRI扫描预测患者总生存期（OS）；3）区分真正肿瘤复发与治疗相关效应；4）评估分割中的不确定性度量。我们参与了图像分割挑战赛，开发了一种基于编码器-解码器架构的全自动分割网络。为了更好地整合不同尺度的信息，我们提出了一种动态尺度注意力机制，将来自不同尺度特征图的低层细节与高层语义相结合。我们的框架使用BraTS 2020提供的369例挑战赛训练数据进行训练，并在166例测试病例上针对全肿瘤、肿瘤核心和增强肿瘤分别取得了平均Dice相似系数（DSC）0.8828、0.8433和0.8177，以及95%豪斯多夫距离（毫米）5.2176、17.9697和13.4298，在BraTS 2020挑战赛的693支注册队伍中排名第3。
引用
@article{arxiv.2011.03188,
title = {Automatic Brain Tumor Segmentation with Scale Attention Network},
author = {Yading Yuan},
journal= {arXiv preprint arXiv:2011.03188},
year = {2020}
}
备注
10 pages, 3 figures, to appear in LNCS Brain Tumore Segmentation (BraTS)