基于子区域感知提示的层次文本引导脑肿瘤分割
计算机视觉与模式识别
2026-03-24 v1
摘要
脑肿瘤分割仍具有挑战性，因为三个标准子区域，即整体肿瘤 (WT)、肿瘤核心 (TC) 和增强肿瘤 (ET)，常常表现出模糊的视觉边界。将放射学描述文本与影像学集成显示出前景。然而，大多数多模态方法通常将报告压缩为单个在所有子区域之间共享的全局文本嵌入，忽略了它们各自的临床特征。我们提出了 TextCSP（文本调制软级联架构），一个层次文本引导框架，基于 TextBraTS 基线引入三个新组件：(1) 文本调制软级联解码器，以 WT->TC->ET 的粗到细方式预测，符合其解剖包含层次结构。(2) 子区域感知提示调谐，使用可学习的软提示配合 LoRA 适配的 BioBERT 编码器生成针对每个子区域的专用文本表示。(3) 文本语义通道调制器，将上述表示转换为通道级细化信号，使解码器能够强调与临床描述模式相吻合的特征。在 TextBraTS 数据集上的实验表明，与最先进的方法相比，所有子区域的 Dice 和 HD95 主要指标分别提高了 1.7% 和 6%。
引用
@article{arxiv.2603.21083,
title = {Hierarchical Text-Guided Brain Tumor Segmentation via Sub-Region-Aware Prompts},
author = {Bahram Mohammadi and Ta Duc Huy and Afrouz Sheikholeslami and Qi Chen and Vu Minh Hieu Phan and Sam White and Minh-Son To and Xuyun Zhang and Amin Beheshti and Luping Zhou and Yuankai Qi},
journal= {arXiv preprint arXiv:2603.21083},
year = {2026}
}
备注
10 pages, 3 figures, 4 tables