LocBAM：通过融合位置上下文推进基于图块的3D图像分割
计算机视觉与模式识别
2026-01-22 v1
摘要
基于图块的方法广泛用于3D医学图像分割，以解决处理高分辨率体数据时的内存限制问题。然而，这些方法通常忽略了图块在全局体积中的位置，当解剖上下文较为重要时，这可能会限制分割性能。在本文中，我们研究了位置上下文在基于图块的3D分割中的作用，并提出了一种新颖的注意力机制LocBAM，能够显式处理空间信息。在BTCV、AMOS22和KiTS23上的实验表明，融合位置上下文可稳定训练并提升分割性能，特别是在缺乏全局上下文的低图块-体积覆盖率情况下。此外，LocBAM始终优于基于CoordConv的经典坐标编码方法。代码已公开于https://github.com/compai-lab/2026-ISBI-hooft
引用
@article{arxiv.2601.14802,
title = {LocBAM: Advancing 3D Patch-Based Image Segmentation by Integrating Location Contex},
author = {Donnate Hooft and Stefan M. Fischer and Cosmin Bercea and Jan C. Peeken and Julia A. Schnabel},
journal= {arXiv preprint arXiv:2601.14802},
year = {2026}
}
备注
Accepted at ISBI 2026