脑积水患者脑磁共振图像鲁棒分割：硬注意力与软注意力
图像与视频处理
2020-01-14 v1 计算机视觉与模式识别
摘要
脑积水患者的脑磁共振（MR）分割被认为是一项具有挑战性的工作。编码不同个体脑解剖结构的变化难以轻易实现。当考虑脑积水患者的图像数据时，该任务变得更加困难，这些数据通常具有大形变且与正常受试者显著不同。在此，我们提出一种结合硬注意力与软注意力模块的新型策略来解决脑积水 MR 图像的分割问题。我们的主要贡献有三方面：1）硬注意力模块使用基于多图谱的方法和 VoxelMorph 工具生成粗分割图，引导后续分割过程并提升其鲁棒性；2）软注意力模块引入位置注意力以捕获精确的上下文信息，进一步提升分割精度；3）我们在真实临床场景中通过分割脑岛、丘脑及许多其他对量化脑积水患者脑 MR 图像至关重要的感兴趣区域（ROIs）来验证我们的方法。所提方法在分割具有高度个体差异的全部 17 个意识相关 ROIs 时实现了大幅改进的鲁棒性与准确性。据我们所知，这是首项采用深度学习解决脑积水患者脑分割问题的工作。
引用
@article{arxiv.2001.03857,
title = {Robust Brain Magnetic Resonance Image Segmentation for Hydrocephalus Patients: Hard and Soft Attention},
author = {Xuhua Ren and Jiayu Huo and Kai Xuan and Dongming Wei and Lichi Zhang and Qian Wang},
journal= {arXiv preprint arXiv:2001.03857},
year = {2020}
}
备注
ISBI 2020