用于 CT 图像肝肿瘤分割的解耦金字塔关联网络
计算机视觉与模式识别
2023-01-11 v1
摘要
目的：从计算机断层扫描（CT）图像中自动分割肝肿瘤是肝脏异常干预和手术规划的必要前提。然而，由于肿瘤大小差异大且纹理不均匀，准确的肝肿瘤分割仍然具有挑战性。近期基于全卷积网络（FCN）的医学图像分割进展得益于判别性金字塔特征学习的成功。本文中，我们提出一种解耦金字塔关联网络（DPC-Net），利用注意力机制充分挖掘 FCN 中嵌入的低层与高层特征以分割肝肿瘤。方法：我们首先设计一个强大的金字塔特征编码器（PFE）从输入图像中提取多层次特征。然后我们将特征关于空间维度（即高度、宽度、深度）与语义维度（即通道）的特性解耦。在此基础上，我们提出两类注意力模块，即空间关联（SpaCor）与语义关联（SemCor）模块，以递归地度量多层次特征的相关性。前者以高层特征为指导有选择地强调低层特征中的全局语义信息；后者以低层特征为指导自适应增强高层特征中的空间细节。结果：我们在 MICCAI 2017 LiTS 肝肿瘤分割（LiTS）挑战数据集上评估 DPC-Net。采用 Dice 相似系数（DSC）与平均对称表面距离（ASSD）作为评价指标。所提方法在肝肿瘤分割上获得 76.4% 的 DSC 与 0.838 mm 的 ASSD，优于当前最优方法。其在肝分割上也取得具竞争力的结果，DSC 为 96.0%，ASSD 为 1.636 mm。
引用
@article{arxiv.2205.13199,
title = {Decoupled Pyramid Correlation Network for Liver Tumor Segmentation from CT images},
author = {Yao Zhang and Jiawei Yang and Yang Liu and Jiang Tian and Siyun Wang and Cheng Zhong and Zhongchao Shi and Yang Zhang and Zhiqiang He},
journal= {arXiv preprint arXiv:2205.13199},
year = {2023}
}
备注
29 pages, 7 figures, 5 tables