RSANet：用于多发性硬化病灶分割的循环切片注意力网络
图像与视频处理
2023-11-28 v1 计算机视觉与模式识别
摘要
在 T2 加权 MRI 图像上测量的脑病灶体积是多发性硬化（MS）的临床重要疾病标志物。MS 病灶的手动勾画是一项耗时且高度依赖操作者的任务，受病灶大小、形状和显影性影响。近年来，基于深度神经网络的自动病灶分割算法已取得可喜结果。本文提出一种新颖的循环切片注意力网络（RSANet），将 3D MRI 图像建模为切片序列，并通过循环方式捕获长程依赖以利用 MS 病灶的上下文信息。在包含 43 名患者的数据集上的实验表明，所提方法优于最先进的方法。我们的实现可在 https://github.com/tinymilky/RSANet 在线获取。
引用
@article{arxiv.2002.12470,
title = {RSANet: Recurrent Slice-wise Attention Network for Multiple Sclerosis Lesion Segmentation},
author = {Hang Zhang and Jinwei Zhang and Qihao Zhang and Jeremy Kim and Shun Zhang and Susan A. Gauthier and Pascal Spincemaille and Thanh D. Nguyen and Mert R. Sabuncu and Yi Wang},
journal= {arXiv preprint arXiv:2002.12470},
year = {2023}
}
备注
Accepted for publication in MICCAI 2019