MAG-Net：用于脑肿瘤分割与分类的多任务注意力引导网络
图像与视频处理
2022-01-10 v2 计算机视觉与模式识别
摘要
脑肿瘤是各年龄段中最常见且致死率最高的疾病。通常，放射科医生采用 MRI 模态来识别和诊断肿瘤。正确识别肿瘤区域及其类型有助于诊断肿瘤并制定后续治疗方案。然而，对任何放射科医生而言，分析此类扫描都是一项复杂且耗时的任务。受基于深度学习的计算机辅助诊断系统启发，本文提出多任务注意力引导编码器-解码器网络（MAG-Net），利用 MRI 图像对脑肿瘤区域进行分类与分割。MAG-Net 在 Figshare 数据集上训练和评估，该数据集包含冠状位、轴位和矢状位视图，涵盖脑膜瘤、胶质瘤和垂体瘤 3 类肿瘤。大量实验表明，与其他 SOTA 模型相比，该模型取得了有前景的结果，且在同类 SOTA 模型中训练参数最少。
引用
@article{arxiv.2107.12321,
title = {MAG-Net: Multi-task attention guided network for brain tumor segmentation and classification},
author = {Sachin Gupta and Narinder Singh Punn and Sanjay Kumar Sonbhadra and Sonali Agarwal},
journal= {arXiv preprint arXiv:2107.12321},
year = {2022}
}