用于MRI脑肿瘤分割的类别引导注意力网络
图像与视频处理
2022-04-18 v1 计算机视觉与模式识别
摘要
目的：磁共振成像（MRI）已广泛用于脑疾病的分析与诊断。准确且自动的脑肿瘤分割对放射治疗至关重要。然而，肿瘤区域组织对比度低使得该任务具有挑战性。方法：我们提出了一种名为类别引导注意力U-Net（CGA U-Net）的新型分割网络。在该模型中，我们基于注意力机制设计了一个监督注意力模块（SAM），其能够在不引入过多计算成本的情况下捕获特征图中更准确且稳定的长程依赖。此外，我们提出了一种类内更新方法，通过聚合同类别像素来重建特征图。主要结果：在BraTS 2019数据集上的实验结果表明，所提方法在分割性能和计算复杂度上均优于最先进的算法。意义：CGA U-Net可通过SAM模块有效捕获MRI图像中的全局语义信息，同时显著降低计算成本。代码见 https://github.com/delugewalker/CGA-U-Net。
引用
@article{arxiv.2203.15383,
title = {Category Guided Attention Network for Brain Tumor Segmentation in MRI},
author = {Jiangyun Li and Hong Yu and Chen Chen and Meng Ding and Sen Zha},
journal= {arXiv preprint arXiv:2203.15383},
year = {2022}
}