HWA-UNETR：用于 3D 多模态胃肠损伤分割的层次化窗口聚合 UNETR
图像与视频处理
2025-05-28 v3 计算机视觉与模式识别
摘要
多模态医学图像分割在胃癌损伤分析的临床背景下面临重大挑战。该临床背景由稀缺的独立多模态数据集和整合本质上错位模态的必要性所定义。结果是算法受限于训练近似数据，依赖于应用迁移，导致巨大的资源支出和潜在的分析准确性下降。为此，我们作出两个主要贡献：首先，我们公开发布了 GCM 2025 数据集，这是首个大规模、开源的胃癌多模态 MRI 扫描集合，包含来自 500 名患者的专业标注 FS-T2W、CE-T1W 和 ADC 图像。其次，我们引入 HWA-UNETR，一种新的 3D 分割框架，采用原创的 HWA 模块和可学习的窗口聚合层，以建立不同模态解剖结构之间的动态特征对应关系，并利用创新的三向融合 mamba 机制进行上下文建模和捕获长程空间依赖。在我们的 GCM 2025 数据集和公开的 BraTS 2021 数据集上进行大量实验，验证了该框架的性能，表明新方法在 Dice 评分上比现有方法提高最多 1.68%，同时保持良好的鲁棒性。该数据集和代码已通过 https://github.com/JeMing-creater/HWA-UNETR 公开。
引用
@article{arxiv.2505.10464,
title = {HWA-UNETR: Hierarchical Window Aggregate UNETR for 3D Multimodal Gastric Lesion Segmentation},
author = {Jiaming Liang and Lihuan Dai and Xiaoqi Sheng and Xiangguang Chen and Chun Yao and Guihua Tao and Qibin Leng and Hongmin Cai and Xi Zhong},
journal= {arXiv preprint arXiv:2505.10464},
year = {2025}
}
备注
This work has been provisionally accepted for MICCAI 2025