用3D块聚合Transformer表征肾脏结构
图像与视频处理
2022-03-07 v1 计算机视觉与模式识别
摘要
高效地量化肾脏结构可提供独特的空间背景并有助于肾脏形态的生物学标志物发现。然而，由于数据效率低下，开发和评估用于分割肾皮质、髓质和收集系统的Transformer模型仍然具有挑战性。受视觉Transformer中分层结构的启发，我们提出了一种新方法，使用3D块聚合Transformer在增强CT扫描上分割肾脏组分。我们在机构审查委员会（IRB）批准下构建了首个由116名受试者组成的肾脏亚结构分割数据集。我们的方法以数据高效的设计取得了优于基线方法0.8308的最先进性能（Dice为0.8467）。所提方法与人工标准之间的Pearson R达到0.9891，表明体积分析具有强相关性和可重复性。我们将所提方法扩展到公开的KiTS数据集，该方法相比基于Transformer的方法取得了更高的精度。我们展示了3D块聚合Transformer能够在不修改自注意力的情况下实现序列表示间的局部通信，并且它可作为表征肾脏结构的准确且高效的量化工具。
引用
@article{arxiv.2203.02430,
title = {Characterizing Renal Structures with 3D Block Aggregate Transformers},
author = {Xin Yu and Yucheng Tang and Yinchi Zhou and Riqiang Gao and Qi Yang and Ho Hin Lee and Thomas Li and Shunxing Bao and Yuankai Huo and Zhoubing Xu and Thomas A. Lasko and Richard G. Abramson and Bennett A. Landman},
journal= {arXiv preprint arXiv:2203.02430},
year = {2022}
}