基于位置先验聚类的自注意力模块用于膝关节软骨分割
图像与视频处理
2022-06-22 v1 计算机视觉与模式识别
摘要
膝关节软骨（尤其是股骨软骨和胫骨软骨）的形态变化与膝骨关节炎的进展密切相关，这种变化通过磁共振（MR）图像表达并基于软骨分割结果进行评估。因此，有必要提出一种有效的自动软骨分割模型以用于骨关节炎的纵向研究。在本研究中，为缓解卷积神经网络中有限感受野导致的不准确、不连续分割问题，我们提出了一种新颖的基于位置先验聚类的自注意力模块（PCAM）。在 PCAM 中，自注意力捕获每个类中心与特征点之间的长程依赖，使上下文信息被重新分配以强化相关特征并保证分割结果的连续性。基于聚类的方法用于估计类中心，这促进了类内一致性并进一步提高了分割结果的准确性。位置先验排除了侧输出中的假阳性，使中心估计更加精确。我们在 OAI-ZIB 数据集上进行了充分的实验。实验结果表明，分割网络与 PCAM 的结合相比原始模型在分割性能上获得显著提升，证明了 PCAM 在医学分割任务中的潜在应用价值。源代码公开于链接：https://github.com/LeongDong/PCAMNet
引用
@article{arxiv.2206.10286,
title = {Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation},
author = {Dong Liang and Jun Liu and Kuanquan Wang and Gongning Luo and Wei Wang and Shuo Li},
journal= {arXiv preprint arXiv:2206.10286},
year = {2022}
}