用于合成血管分割的学习型局部注意力图
图像与视频处理
2023-08-25 v1 计算机视觉与模式识别
摘要
磁共振血管造影（MRA）是一种可视化血管的成像方式。它可用于若干诊断应用及评估不良事件（如出血性卒中（由血管中动脉瘤破裂所致））的风险。然而，MRA 并非常规采集，因此从更常规采集的 MR 对比（如 T1 与 T2）合成血管分割的方法将很有用。我们提出一种编码器-解码器模型，用于仅从 T2 MRI 合成 Willis 环（CoW）中主要脑动脉的分割。我们提出一种两阶段多目标学习方法，其捕获全局与局部特征。它使用通过膨胀分割标签生成的学习型局部注意力图，迫使网络仅提取与合成 CoW 相关的 T2 MRI 信息。我们仅从 T2 MRI 生成的合成血管分割在测试中达到 的平均 Dice 分数，优于如 transformer U-Net () 与 nnU-net() 等最先进分割网络，同时仅使用一小部分参数。我们的合成血管分割与对比模型的主要定性差异在于 CoW 血管段更锐利的分辨率，尤以后循环为甚。
引用
@article{arxiv.2308.12861,
title = {Learned Local Attention Maps for Synthesising Vessel Segmentations},
author = {Yash Deo and Rodrigo Bonazzola and Haoran Dou and Yan Xia and Tianyou Wei and Nishant Ravikumar and Alejandro F. Frangi and Toni Lassila},
journal= {arXiv preprint arXiv:2308.12861},
year = {2023}
}