用于脑胶质瘤分割的残差通道注意力网络
图像与视频处理
2022-11-02 v1 计算机视觉与模式识别
机器学习
摘要
胶质瘤是一种严重影响认知功能并降低患者生活质量的恶性脑肿瘤。由于肿瘤区域类间模糊性，脑胶质瘤分割具有挑战性。近来，深度学习方法在脑胶质瘤自动分割中取得了卓越性能。然而，现有算法未能利用通道间特征相互依赖来为胶质瘤分割选择语义属性。在本研究中，我们实现了一种集成残差通道注意力模块以校准中间特征用于胶质瘤分割的新颖深度神经网络。所提通道注意力机制自适应地按通道加权特征，以优化胶质瘤的潜在表示。我们在已建立的数据集 BraTS2017 上评估了我们的方法。实验结果表明了我们的方法的优越性。
引用
@article{arxiv.2205.10758,
title = {Residual Channel Attention Network for Brain Glioma Segmentation},
author = {Yiming Yao and Peisheng Qian and Ziyuan Zhao and Zeng Zeng},
journal= {arXiv preprint arXiv:2205.10758},
year = {2022}
}
备注
Accepted by the 44th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2022)