用于经直肠超声中临床显著性前列腺癌分类的混合视图注意力网络
图像与视频处理
2025-07-11 v2 计算机视觉与模式识别
摘要
前列腺癌（PCa）是男性癌症相关死亡的主要原因，准确识别临床显著性前列腺癌（csPCa）对于及时干预至关重要。经直肠超声（TRUS）广泛用于前列腺活检；然而，其低对比度和各向异性的空间分辨率带来了诊断挑战。为了解决这些局限性，我们提出了一种新颖的混合视图注意力（HVA）网络，用于3D TRUS中的csPCa分类，该网络利用了横向和矢状视图的互补信息。我们的方法集成了CNN-Transformer混合架构，其中卷积层提取细粒度的局部特征，而基于Transformer的HVA则建模全局依赖关系。具体来说，HVA包括用于在单个视图内细化特征的视图内注意力和用于跨视图整合互补信息的跨视图注意力。此外，一个混合视图自适应融合模块沿着通道和空间维度动态聚合特征，增强了整体表示。我们在一个包含590名接受前列腺活检的受试者的内部数据集上进行了实验。对比和消融结果证明了我们方法的有效性。代码可在https://github.com/mock1ngbrd/HVAN获取。
引用
@article{arxiv.2507.03421,
title = {Hybrid-View Attention Network for Clinically Significant Prostate Cancer Classification in Transrectal Ultrasound},
author = {Zetian Feng and Juan Fu and Xuebin Zou and Hongsheng Ye and Hong Wu and Jianhua Zhou and Yi Wang},
journal= {arXiv preprint arXiv:2507.03421},
year = {2025}
}