基于深度锚注意力学习与 Vision Transformer 的未治疗 MRI 脑癌生存预测
图像与视频处理
2022-02-07 v1 计算机视觉与模式识别
摘要
基于影像的脑癌预测模型（基于放射组学）从磁共振成像（MRI）中量化放射学表型。然而，由于采集与预处理流程的变异性，这些特征难以复现。尽管存在瘤内表型异质性的证据，此类方法对一次 MRI 扫描中不同切片间的空间多样性探索相对较少。本工作中，我们提出一种结合 Vision Transformer 的深度锚注意力聚合策略，用于预测脑癌患者的生存风险。我们提出深度锚注意力学习（DAAL）算法，借助可训练的距离度量对切片级表征分配不同权重。我们在 N = 326 例 MRI 上评估了该方法。结果优于基于注意力多示例学习的技术。DAAL 突出了关键切片的重要性，并印证了临床直觉：切片间空间多样性可反映疾病严重程度并与预后相关。
引用
@article{arxiv.2202.01857,
title = {Brain Cancer Survival Prediction on Treatment-na ive MRI using Deep Anchor Attention Learning with Vision Transformer},
author = {Xuan Xu and Prateek Prasanna},
journal= {arXiv preprint arXiv:2202.01857},
year = {2022}
}