基于注意力引导双路径CNN的多发性硬化病灶活动分割
图像与视频处理
2020-08-06 v1 计算机视觉与模式识别
摘要
多发性硬化是一种炎症性自身免疫性脱髓鞘疾病，以中枢神经系统中的病灶为特征。通常，磁共振成像（MRI）用于追踪疾病进展。自动图像处理方法可用于分割病灶并推导定量病灶参数。迄今为止，方法多聚焦于单次MRI扫描的病灶分割。然而，对于监测疾病进展而言，两个时间点之间以新发病灶和扩大病灶衡量的“病灶活动”是一项关键生物标志物。针对该问题，已有若干经典方法被提出，例如使用差分体数据。尽管深度学习方法在单体积病灶分割中取得成功，其在病灶活动分割上仍较为少见。本工作中，我们研究了用于从两个时间点进行病灶活动分割的卷积神经网络（CNNs）。为此，我们设计并评估了以不同方式融合两时间点信息的CNNs。特别地，提出了具有注意力引导交互的双路径架构，以实现两时间点处理路径间的有效信息交换。我们证明了基于深度学习的方法优于经典方法，并表明注意力引导交互显著提升了性能。此外，注意力模块生成合理的注意力图，具有抑制陈旧、无关病灶的掩蔽效应。在真阳性率74.2%下实现了26.4%的病灶级假阳性率，与评分者间性能无显著差异。
引用
@article{arxiv.2008.02001,
title = {Multiple Sclerosis Lesion Activity Segmentation with Attention-Guided Two-Path CNNs},
author = {Nils Gessert and Julia Krüger and Roland Opfer and Ann-Christin Ostwaldt and Praveena Manogaran and Hagen H. Kitzler and Sven Schippling and Alexander Schlaefer},
journal= {arXiv preprint arXiv:2008.02001},
year = {2020}
}
备注
Accepted for publication in Computerized Medical Imaging and Graphics