基于三维注意力 U-Net 的多类别 MRI 脑肿瘤分割
图像与视频处理
2023-05-11 v1 计算机视觉与模式识别
摘要
本文提出了一种基于三维注意力的 U-Net 架构，用于脑肿瘤多区域分割，该架构使用由三个非原生 MRI 体积组合而成的单一堆叠多模态体积。添加到 U-Net 解码器侧的注意力机制通过弱化健康组织并突出恶性组织来帮助提高分割精度，从而带来更好的泛化能力和更少的计算资源。该方法在 BraTS 2021 Task 1 数据集上训练和评估，并显示出比其他方法更高的精度。我的研究结果表明，所提出的方法有潜力利用多模态 MRI 数据增强脑肿瘤分割，有助于更好地理解和诊断脑部疾病。本工作突出了结合多种成像模态并引入注意力机制以提高脑肿瘤分割精度的重要性。
引用
@article{arxiv.2305.06203,
title = {Multiclass MRI Brain Tumor Segmentation using 3D Attention-based U-Net},
author = {Maryann M. Gitonga},
journal= {arXiv preprint arXiv:2305.06203},
year = {2023}
}
备注
10 pages, 3 figures