Attention UNet 与重复空洞空间金字塔池化混合以提高脑肿瘤分割性能
图像与视频处理
2025-01-24 v1
摘要
脑肿瘤在空间和尺度特征上具有高度异质性，这使得医学图像中的肿瘤分割任务具有较大的难度，可能导致误诊和误治疗。预期通过自动化此类分割任务来提高客观性、可重复性，同时缩短周转时间。传统卷积神经网络 (CNN) 因无法准确表示肿瘤大小和形状的范围而表现不佳。基于此，UNet 作为语义分割的常用解决方案，采用下采样-上采样方法进行肿瘤分割。本文提出一种新型架构，将 Attention-UNet 与重复空洞空间金字塔池化 (Atrous Spatial Pyramid Pooling, ASPP) 集成在一起。ASPP 通过具有不同膨胀率的平行空洞卷积有效捕获多尺度上下文信息。这允许在保持细节的同时高效扩大感受野。注意力机制通过整合局部特征及其对应的全局依赖项来提供必要的上下文。这种集成显著提升了语义分割性能。我们的方法在 UNet、Attention UNet 和 Attention UNet 结合空间金字塔池化之上 demonstrate 了显著的改进，为肿瘤分割任务设定了新的基准。
引用
@article{arxiv.2501.13129,
title = {Hybridization of Attention UNet with Repeated Atrous Spatial Pyramid Pooling for Improved Brain Tumour Segmentation},
author = {Satyaki Roy Chowdhury and Golrokh Mirzaei},
journal= {arXiv preprint arXiv:2501.13129},
year = {2025}
}
备注
Accepted for ISBI 2025