用于前列腺癌分割的跨模态自注意力蒸馏
图像与视频处理
2020-11-10 v1 计算机视觉与模式识别
机器学习
摘要
从多模态磁共振图像中自动分割前列腺癌对于患者的初始分期与预后至关重要。然而,如何更高效地利用多模态图像特征仍是医学图像分割领域的挑战性问题。本文中,我们通过充分挖掘不同模态中间层编码信息,开发了跨模态自注意力蒸馏网络,不同模态提取的注意力图使模型能够迁移具有更多细节的重要空间信息。此外,进一步采用一种新颖的空间相关特征融合模块,以学习不同模态图像更具互补性的关联与非线性信息。我们在358例活检确认的MRI上以五折交叉验证评估了我们的模型。大量实验结果表明,我们提出的网络取得了最先进的(state-of-the-art)性能。
引用
@article{arxiv.2011.03908,
title = {Cross-Modal Self-Attention Distillation for Prostate Cancer Segmentation},
author = {Guokai Zhang and Xiaoang Shen and Ye Luo and Jihao Luo and Zeju Wang and Weigang Wang and Binghui Zhao and Jianwei Lu},
journal= {arXiv preprint arXiv:2011.03908},
year = {2020}
}
备注
2020 IEEE International Conference on Bioinformatics and Biomedicine (BIBM)