外部注意力辅助的有限数据下多期脾血管损伤分割
图像与视频处理
2022-01-05 v1 计算机视觉与模式识别
摘要
脾脏是钝性腹部创伤中最常受损的实质性器官之一。从多期CT开发自动分割系统用于脾血管损伤，可增强严重程度分级，从而改善临床决策支持与预后预测。然而，脾血管损伤的精确分割面临以下挑战：1）脾血管损伤在形状、纹理、大小和整体外观上可能高度多变；2）数据获取是一个复杂且昂贵的过程，需要数据科学家和放射科医生的密集投入，这使得大规模精标注数据集通常难以获取。鉴于这些挑战，我们设计了一种新颖的多期脾血管损伤分割框架，尤其在有限数据条件下。一方面，我们提出利用外部数据挖掘伪脾脏掩码作为空间注意力，称为外部注意力，以引导脾血管损伤的分割。另一方面，我们开发了一个基于生成对抗网络（GAN）的合成期相增强模块，通过充分利用不同期相之间的关系来扩充内部数据。通过在训练中联合施加外部注意力与扩充内部数据表示，我们所提方法优于其他竞争方法，并在平均DSC上比流行的DeepLab-v3+基线提升超过7%，证实了其有效性。
引用
@article{arxiv.2201.00942,
title = {External Attention Assisted Multi-Phase Splenic Vascular Injury Segmentation with Limited Data},
author = {Yuyin Zhou and David Dreizin and Yan Wang and Fengze Liu and Wei Shen and Alan L. Yuille},
journal= {arXiv preprint arXiv:2201.00942},
year = {2022}
}
备注
IEEE TMI