通过注意力机制提升多发性硬化病灶分割性能
图像与视频处理
2024-10-11 v1
摘要
磁共振成像是确诊多发性硬化并监测其进展的基本工具。尽管已有若干利用人工智能分割多发性硬化病灶的尝试，但全自动化分析尚未实现。当前最先进的方法依赖于分割架构的细微变体（如 U-Net 等）。然而，近期研究表明，利用时间感知特征与注意力机制可显著增强传统架构。本文提出一种框架，采用增强型 U-Net 架构，结合卷积长短期记忆层与注意力机制，能够对磁共振图像中检测到的多发性硬化病灶进行分割与量化。在具有挑战性的样本上的定量与定性评估表明，该方法优于以往最先进方法，总体 Dice 分数达 89%，并且在一个新建专用数据集的未见新测试样本上展现出鲁棒性与泛化能力。
引用
@article{arxiv.2304.10790,
title = {Boosting multiple sclerosis lesion segmentation through attention mechanism},
author = {Alessia Rondinella and Elena Crispino and Francesco Guarnera and Oliver Giudice and Alessandro Ortis and Giulia Russo and Clara Di Lorenzo and Davide Maimone and Francesco Pappalardo and Sebastiano Battiato},
journal= {arXiv preprint arXiv:2304.10790},
year = {2024}
}