PA-ResSeg：一种用于多期相 CT 图像肝肿瘤分割的相位注意力残差网络
图像与视频处理
2021-09-15 v1 计算机视觉与模式识别
摘要
本文中，我们提出一种相位注意力残差网络（PA-ResSeg）来建模多期相特征以实现准确的肝肿瘤分割，其中新提出的相位注意力（PA）额外利用动脉（ART）期相图像来促进门静脉（PV）期相的分割。PA 模块由期内注意力（Intra-PA）模块和期间注意力（Inter-PA）模块组成，分别捕获通道维度的自依赖与跨期相互依赖。因此它使网络能够根据通道依赖精炼 PV 特征，并基于学习到的期间相互依赖重新校准 ART 特征，从而学习更具代表性的多期相特征。我们提出一种基于 PA 的多尺度融合（MSF）架构，沿编码路径在多层级嵌入 PA 模块以融合来自多期相图像的多尺度特征。此外，提出一种 3D 边界增强损失（BE-loss）用于训练，使网络对边界更敏感。为评估所提 PA-ResSeg 的性能，我们在局灶性肝脏病变多期相 CT 数据集（MPCT-FLLs）上进行了实验。实验结果表明该方法的有效性，在 MPCT-FLLs 上取得了每例 dice（DPC）0.7787、全局 dice（DG）0.8682、体积重叠误差（VOE）0.3328 和相对体积差（RVD）0.0443。此外，为验证 PA-ResSeg 的有效性与鲁棒性，我们在另一多期相肝肿瘤数据集上进行了额外实验，取得 DPC 0.8290、DG 0.9132、VOE 0.2637 和 RVD 0.0163。所提方法在不同数据集与不同骨干网络中展现出鲁棒性与泛化能力。
引用
@article{arxiv.2103.00274,
title = {PA-ResSeg: A Phase Attention Residual Network for Liver Tumor Segmentation from Multi-phase CT Images},
author = {Yingying Xu and Ming Cai and Lanfen Lin and Yue Zhang and Hongjie Hu and Zhiyi Peng and Qiaowei Zhang and Qingqing Chen and Xiongwei Mao and Yutaro Iwamoto and Xian-Hua Han and Yen-Wei Chen and Ruofeng Tong},
journal= {arXiv preprint arXiv:2103.00274},
year = {2021}
}
备注
A self-archive version to be published in Medical Physics, awaiting minor revision