HMRNet：用于放疗中脑结构分割的高与多分辨率双向特征校准网络
图像与视频处理
2022-06-08 v1 计算机视觉与模式识别
摘要
癌症扩散的解剖学脑屏障（ABCs）的准确分割在放疗中脑肿瘤临床靶区（CTV）的自动勾画中起着重要作用。尽管 U-Net 的变体是最先进的分割模型，但在处理具有不同形状和大小的 ABCs 结构（尤其是仅跨越少数切片的薄结构，如大脑镰）时性能有限。为解决该问题，我们提出高与多分辨率网络（HMRNet），其由多尺度特征学习分支和高分辨率分支组成，可保持高分辨率上下文信息并提取不同尺度解剖结构更鲁棒的表示。我们进一步设计双向特征校准（BFC）模块，使两个分支生成空间注意力图以进行相互特征校准。考虑到 ABCs 结构的大小和位置不同，我们的网络在对每个结构进行粗略定位后应用，以获得精细分割结果。在 MICCAI 2020 ABCs 挑战数据集上的实验表明：1）我们提出的两阶段分割策略大幅优于一次性分割所有结构的方法；2）所提具有两个分支的 HMRNet 可保持高分辨率表示，并有效提升在薄结构上的性能；3）所提 BFC 模块优于使用单向特征校准的现有注意力方法。我们的方法获得 ABCs 2020 挑战赛第二名，并有望用于更准确合理地勾画脑肿瘤 CTV。
引用
@article{arxiv.2206.02959,
title = {HMRNet: High and Multi-Resolution Network with Bidirectional Feature Calibration for Brain Structure Segmentation in Radiotherapy},
author = {Hao Fu and Guotai Wang and Wenhui Lei and Wei Xu and Qianfei Zhao and Shichuan Zhang and Kang Li and Shaoting Zhang},
journal= {arXiv preprint arXiv:2206.02959},
year = {2022}
}
备注
11 pages, 6 figures, Accepted by IEEE JBHI