用于脑肿瘤分割的混合多头注意力Unet-3D
图像与视频处理
2024-05-24 v1 计算机视觉与模式识别
机器学习
摘要
脑肿瘤分割是医学图像分析中的一项关键任务，有助于脑肿瘤患者的诊断和治疗规划。自动且准确的脑肿瘤分割的重要性不言而喻。它使医学专业人员能够精确勾画肿瘤区域，评估肿瘤的生长或消退，并规划靶向治疗。文献中提出的各种基于深度学习的技术在该领域取得了显著进展，然而，由于脑肿瘤形态的复杂性和多变性，它们在准确性方面仍然面临限制。在本研究论文中，我们提出了一种新颖的混合多头注意力U-Net架构，以解决准确脑肿瘤分割中的挑战，并捕获复杂的空间关系和微妙的肿瘤边界。U-Net架构在捕获上下文信息和特征表示方面已被证明是有效的，而注意力机制增强了模型聚焦于信息区域和细化分割边界的能力。通过整合这两个组成部分，我们提出的架构提高了脑肿瘤分割的准确性。我们在BraTS 2020基准数据集上测试了我们提出的模型，并将其性能与最著名的SegNet、FCN-8s和Dense121 U-Net架构进行了比较。结果表明，我们提出的模型在评估的性能指标方面优于其他模型。
引用
@article{arxiv.2405.13304,
title = {Hybrid Multihead Attentive Unet-3D for Brain Tumor Segmentation},
author = {Muhammad Ansab Butt and Absaar Ul Jabbar},
journal= {arXiv preprint arXiv:2405.13304},
year = {2024}
}