CS2-Net：医学影像中曲线结构的深度学习分割
图像与视频处理
2020-10-20 v2 计算机视觉与模式识别
摘要
从医学与生物医学图像中自动检测曲线结构（如血管或神经纤维）是关联多种疾病管理的自动图像解读的关键早期步骤。对这些曲线器官结构形态变化的精确测量可为临床医生理解心血管、肾脏、眼、肺与神经系统疾病的机制、诊断与治疗提供信息。本工作中，我们提出一种通用且统一的卷积神经网络用于曲线结构分割，并在多种 2D/3D 医学成像模态中加以说明。我们引入一种新的曲线结构分割网络（CS2-Net），其在编码器与解码器中包含自注意力机制以学习曲线结构的丰富层次化表示。利用两类注意力模块——空间注意力与通道注意力——以增强类间判别与类内响应性，进一步自适应地整合局部特征与其全局依赖及归一化。此外，为促进医学图像中曲线结构的分割，我们采用 1x3 与 3x1 卷积核以捕获边界特征。……
引用
@article{arxiv.2010.07486,
title = {CS2-Net: Deep Learning Segmentation of Curvilinear Structures in Medical Imaging},
author = {Lei Mou and Yitian Zhao and Huazhu Fu and Yonghuai Liu and Jun Cheng and Yalin Zheng and Pan Su and Jianlong Yang and Li Chen and Alejandro F Frang and Masahiro Akiba and Jiang Liu},
journal= {arXiv preprint arXiv:2010.07486},
year = {2020}
}