基于模糊注意力的肺器官分割边缘渲染网络
图像与视频处理
2024-07-02 v2 计算机视觉与模式识别
摘要
CT图像上的自动肺器官分割对于肺部疾病诊断至关重要。然而，肺器官的无限体素值和类别不平衡会导致先进方法中出现假阴性/假阳性和泄漏问题。此外，一些细长的肺器官在循环的下/上采样过程中容易丢失，例如支气管树和动脉, 导致严重的连续性问题。受这些启发，本文引入一种名为模糊注意力边缘渲染(FABR)网络的有效肺器官分割方法。由于模糊逻辑可以处理特征提取中的不确定性, 因此深度网络与模糊集合的融合应该是一种可行的解决方案, 以获得更好的性能。与此不同的是，虽然先前的顶级方法在所有regular dense points上操作, 但我们的 FABR 将肺器官区域描绘为立方体树, 只关注回收采样边缘脆弱点, 通过一种 novel Global-Local Cube-tree Fusion (GLCF) 模块渲染严重连续性、假阴性/假阳性器官区域。所有实验结果在包括气道和动脉的四个具有挑战性的数据集上, demonstrate that our method can achieve the favorable performance significantly.
引用
@article{arxiv.2406.16189,
title = {Fuzzy Attention-based Border Rendering Network for Lung Organ Segmentation},
author = {Sheng Zhang and Yang Nan and Yingying Fang and Shiyi Wang and Xiaodan Xing and Zhifan Gao and Guang Yang},
journal= {arXiv preprint arXiv:2406.16189},
year = {2024}
}
备注
MICCAI 2024