用于鲁棒放疗计划分割的嵌套块自注意力
计算机视觉与模式识别
2021-03-01 v1
摘要
尽管深度卷积网络已广泛用于头颈（HN）危险器官（OAR）分割，但其用于常规临床治疗计划受限于对成像伪影缺乏鲁棒性、CT 上软组织对比度低以及异常解剖结构的存在。为应对这些挑战，我们开发了一种计算高效的嵌套块自注意力（NBSA）方法，该方法可与任意卷积网络结合。我们的方法通过在固定空间范围的内存块内执行非局部计算来实现计算效率。上下文依赖关系通过在块间以光栅扫描顺序传递信息，以及通过第二注意力层实现双向注意力流来捕获。我们在三种不同网络上实现了该方法以证明可行性。在使用 200 例训练后，我们对来自外部与内部机构数据集、无任何排除标准的独立 172 例测试扫描，使用常规与临床指标进行了综合评估。NBSA 所需计算量（15.7 gflops）与最高效的纵横交叉注意力（CCA）方法相近，并在脑干（Dice 0.89 对 0.86）与腮腺（0.86 对 0.84）上生成比 CCA 显著更准确的分割。NBSA 的分割变异性小于多种 3D 方法，包括对于如颌下腺（表面 Dice 0.90）等低软组织对比度小器官。
引用
@article{arxiv.2102.13541,
title = {Nested-block self-attention for robust radiotherapy planning segmentation},
author = {Harini Veeraraghavan and Jue Jiang and Sharif Elguindi and Sean L. Berry and Ifeanyirochukwu Onochie and Aditya Apte and Laura Cervino and Joseph O. Deasy},
journal= {arXiv preprint arXiv:2102.13541},
year = {2021}
}
备注
Under review at Medical Image Analysis