ICH-SCNet：基于CLIP引导SAM机制的脑出血分割与预后分类网络
计算机视觉与模式识别
2024-11-08 v1
摘要
脑出血（ICH）是最致命的卒中亚型，以高致残率为特征。准确分割ICH区域和预测预后对制定和优化ICH后患者的治疗方案至关重要。然而，现有方法独立处理这两项任务，且主要仅依赖影像数据，从而忽略了任务和模态之间的内在关联。本文提出了一种多任务网络ICH-SCNet，用于脑出血分割和预后分类。具体而言，我们整合了SAM-CLIP跨模态交互机制，将医学文本和分割辅助信息与神经影像数据相结合，以增强跨模态特征识别。此外，我们开发了一种有效的特征融合模块和多项任务损失函数以进一步提升性能。在ICH数据集上的广泛实验表明，我们的方法超越了其他最先进方法。在分类任务的整体性能上表现优异，并在所有分割任务指标上优于竞争模型。
引用
@article{arxiv.2411.04656,
title = {ICH-SCNet: Intracerebral Hemorrhage Segmentation and Prognosis Classification Network Using CLIP-guided SAM mechanism},
author = {Xinlei Yu and Ahmed Elazab and Ruiquan Ge and Hui Jin and Xinchen Jiang and Gangyong Jia and Qing Wu and Qinglei Shi and Changmiao Wang},
journal= {arXiv preprint arXiv:2411.04656},
year = {2024}
}
备注
6 pages, 2 figures, 3 tables, published to BIBM 2024