基于注意力 CNN 的 FLAIR 图像多发性硬化病灶分割
图像与视频处理
2022-01-07 v1 人工智能
计算机视觉与模式识别
摘要
目的：多发性硬化（MS）是一种自身免疫性脱髓鞘疾病，会导致中枢神经系统出现病灶。该疾病可使用磁共振成像（MRI）进行追踪和诊断。迄今为止，大量多模态自动生物医学方法被用于分割病灶，这在成本、时间和可用性方面对患者并无益处。本文作者提出一种仅使用单模态（FLAIR 图像）准确分割 MS 病灶的方法。方法：受 3D-ResNet 和空间-通道注意力模块启发，设计了一种基于块的卷积神经网络（CNN）来分割 MS 病灶。所提方法包括三个阶段：（1）对原始图像应用限制对比度自适应直方图均衡化（CLAHE）并与提取的边缘拼接以创建 4D 图像；（2）从 4D 图像中随机选取大小为 80*80*80*2 的块；（3）将提取的块送入基于注意力的 CNN 以分割病灶。最后，将所提方法与同一数据集的先前研究进行比较。结果：本研究使用 ISIB 挑战赛数据的测试集评估模型。实验结果表明，所提方法在 Dice 相似度和绝对体积差异方面显著超越现有方法，且仅使用单模态（FLAIR）分割病灶。结论：作者引入了一种基于至多两种模态作为输入的自动化病灶分割方法。所提架构由卷积、反卷积以及作为注意力模块的 SCA-VoxRes 模块组成。结果表明，所提方法与其他方法相比表现更优。
引用
@article{arxiv.2201.01832,
title = {Multiple Sclerosis Lesions Segmentation using Attention-Based CNNs in FLAIR Images},
author = {Mehdi SadeghiBakhi and Hamidreza Pourreza and Hamidreza Mahyar},
journal= {arXiv preprint arXiv:2201.01832},
year = {2022}
}