DAM-AL：用于三维婴儿脑图像分割的带注意力损失的扩张注意力机制
图像与视频处理
2021-12-28 v1 计算机视觉与模式识别
摘要
尽管磁共振成像（MRI）在婴儿脑分析中发挥了重要作用，但由于约6-9月龄时组织间强度对比极低，以及噪声增强、髓鞘形成和体积不完整，将MRI分割为灰质（GM）、白质（WM）和脑脊液（CSF）等多种组织既关键又复杂。在本文中，我们通过开发一种名为DAM-AL的新深度学习模型来解决这些局限，其包含两个主要贡献，即扩张注意力机制和难例注意力损失。我们的DAM-AL网络设计有跳跃块层和空洞块卷积，包含高层上下文特征上的通道注意力和低层空间结构特征上的空间注意力。我们的注意力损失由对应于区域信息和难样本注意力的两项组成。我们提出的DAM-AL已在婴儿脑iSeg 2017数据集上评估，实验在验证集和测试集上进行。我们以Dice系数和ASD指标对DAM-AL进行基准测试，并与最先进方法比较。
引用
@article{arxiv.2112.13559,
title = {DAM-AL: Dilated Attention Mechanism with Attention Loss for 3D Infant Brain Image Segmentation},
author = {Dinh-Hieu Hoang and Gia-Han Diep and Minh-Triet Tran and Ngan T. H Le},
journal= {arXiv preprint arXiv:2112.13559},
year = {2021}
}