基于混合窗口注意力的 Transformer 架构用于脑肿瘤分割
图像与视频处理
2022-09-19 v1 计算机视觉与模式识别
摘要
由于各机构 MRI 体数据强度不一致，提取多模态 MRI 的通用特征以精确分割脑肿瘤至关重要。基于此，我们提出一种体积视觉 Transformer，其在注意力中遵循两种窗口策略以提取精细特征，并受虚拟对抗训练（VAT）启发在模型训练期间引入局部分布平滑（LDS）以使模型鲁棒。我们在 FeTS Challenge 2022 数据集上训练并评估该网络架构。在在线验证数据集上的性能如下：增强肿瘤、全肿瘤与肿瘤核心的 Dice 相似系数分别为 81.71%、91.38% 与 85.40%；Hausdorff 距离（95%）分别为 14.81 mm、3.93 mm、11.18 mm。总体而言，实验结果通过在各肿瘤子区域取得更优分割精度验证了方法的有效性。我们的代码实现公开可用：https://github.com/himashi92/vizviva_fets_2022
引用
@article{arxiv.2209.07704,
title = {Hybrid Window Attention Based Transformer Architecture for Brain Tumor Segmentation},
author = {Himashi Peiris and Munawar Hayat and Zhaolin Chen and Gary Egan and Mehrtash Harandi},
journal= {arXiv preprint arXiv:2209.07704},
year = {2022}
}