基于Transformer的网络用于CT脑缺血病灶年龄估计与分割的同步实现
图像与视频处理
2023-06-22 v1 计算机视觉与模式识别
机器学习
摘要
卒中救治的基石是及时处置，而处置方式取决于卒中发病后的时间。因此，临床决策的核心在于准确掌握时间信息，常需放射科医生解读脑部计算机断层扫描（CT）以确认事件发生与否及其年龄。由于急性缺血病灶表现细微且外观动态变化，这些任务尤为艰巨。现有自动化工作尚未将深度学习用于估计病灶年龄，且将这两项任务独立处理，因而忽视了它们固有的互补关系。为利用此关系，我们提出一种新颖的端到端多任务基于Transformer的网络，专为脑缺血病灶的同步分割与年龄估计而优化。通过采用门控位置自注意力与CT专用数据增强，所提方法能够捕获长程空间依赖，同时在医学影像中常见的低数据条件下保持从头训练的能力。此外，为更好地融合多个预测，我们利用分位数损失引入不确定性，以估计病灶年龄的概率密度函数。随后我们在包含来自两个医疗中心的776张CT图像的临床数据集上广泛评估了模型的有效性。实验结果表明，我们的方法取得了有前景的性能：在分类病灶年龄≤4.5小时的任务上，曲线下面积（AUC）达0.933，而传统方法为0.858，且优于特定任务的最先进算法。
引用
@article{arxiv.2306.12242,
title = {Concurrent ischemic lesion age estimation and segmentation of CT brain using a Transformer-based network},
author = {Adam Marcus and Paul Bentley and Daniel Rueckert},
journal= {arXiv preprint arXiv:2306.12242},
year = {2023}
}