CAT-Net：用于MRI前列腺分区分割的跨切片注意力Transformer模型
图像与视频处理
2022-06-20 v2 计算机视觉与模式识别
摘要
前列腺癌是美国男性癌症死亡的第二大原因。前列腺MRI的诊断通常依赖于准确的前列腺分区分割。然而，最先进的自动分割方法通常无法产生前列腺区域的良好包含的体积分割，因为前列腺MRI的某些切片（如基底部和尖部切片）比其他切片更难分割。这种困难可以通过考虑相邻切片的跨切片关系来克服，但当前方法并未充分学习和利用这种关系。在本文中，我们提出了一种新颖的跨切片注意力机制，我们在Transformer模块中使用它来系统地学习不同尺度下的跨切片关系。该模块可用于任何现有的基于学习且具有跳跃连接的分割框架。实验表明，我们的跨切片注意力能够捕获前列腺分区分割中的跨切片信息，并提高当前最先进方法的性能。我们的方法提高了外周区的分割精度，使得所有前列腺切片（尖部、中部和基底部）的分割结果一致。
关键词
引用
@article{arxiv.2203.15163,
title = {CAT-Net: A Cross-Slice Attention Transformer Model for Prostate Zonal Segmentation in MRI},
author = {Alex Ling Yu Hung and Haoxin Zheng and Qi Miao and Steven S. Raman and Demetri Terzopoulos and Kyunghyun Sung},
journal= {arXiv preprint arXiv:2203.15163},
year = {2022}
}