CANet：用于三维脑胶质瘤分割的上下文感知网络
计算机视觉与模式识别
2021-03-23 v3
摘要
脑胶质瘤的自动分割在诊断决策、进展监测和手术规划中发挥着积极作用。基于深度神经网络，以往研究已展现出前景良好的脑胶质瘤分割技术。然而，这些方法缺乏强有力的策略来融合肿瘤细胞及其周围环境的上下文信息，而后者已被证明是处理局部模糊性的基本线索。在本工作中，我们提出一种名为上下文感知网络（CANet）的新方法用于脑胶质瘤分割。CANet从卷积空间和特征交互图中捕获具有高维性和判别性的上下文特征。我们进一步提出上下文引导的注意力条件随机场，其能够选择性地聚合特征。我们使用公开可获取的脑胶质瘤分割数据集BRATS2017、BRATS2018和BRATS2019评估了我们的方法。实验结果表明，所提算法在训练和验证集上不同分割指标下相较于若干SOTA方法具有更优或具竞争力的性能。
引用
@article{arxiv.2007.07788,
title = {CANet: Context Aware Network for 3D Brain Glioma Segmentation},
author = {Zhihua Liu and Lei Tong and Long Chen and Feixiang Zhou and Zheheng Jiang and Qianni Zhang and Yinhai Wang and Caifeng Shan and Ling Li and Huiyu Zhou},
journal= {arXiv preprint arXiv:2007.07788},
year = {2021}
}