基于 Transformer 的连续海马体分割
图像与视频处理
2022-04-19 v1 计算机视觉与模式识别
摘要
在临床环境中，采集条件和患者群体随时间变化，连续学习是确保深度神经网络安全使用的关键。然而，现有工作多聚焦于卷积架构和图像分类。相反，放射科医生更倾向于使用勾勒特定感兴趣区域的分割模型，而基于 Transformer 的架构正在此获得关注。Transformer 的自注意力机制可能缓解灾难性遗忘，为更鲁棒的医疗图像分割开辟道路。在本工作中，我们探索近期提出的用于语义分割的 Transformer 机制在序列学习场景中的表现，并分析如何最好地调整连续学习策略以适应此设置。我们在海马体分割上的评估表明，与纯卷积架构相比，Transformer 机制缓解了医疗图像分割中的灾难性遗忘，并证明对 ViT 模块进行正则化应谨慎行事。
引用
@article{arxiv.2204.08043,
title = {Continual Hippocampus Segmentation with Transformers},
author = {Amin Ranem and Camila González and Anirban Mukhopadhyay},
journal= {arXiv preprint arXiv:2204.08043},
year = {2022}
}