SCPMan：用于胰腺分割的形状上下文与先验约束多尺度注意力网络
计算机视觉与模式识别
2023-12-27 v1
摘要
由于胰腺癌预后不良，准确的早期检测和分割对于改善治疗效果至关重要。然而，胰腺分割面临着边界模糊、形状变化大和类别不平衡的挑战。为解决这些问题，我们提出了一种具有形状上下文和先验约束的多尺度注意力网络，用于鲁棒的胰腺分割。具体而言，我们提出了多尺度特征提取模块（Multi-scale Feature Extraction Module, MFE）和混合尺度注意力集成模块（Mixed-scale Attention Integration Module, MAI）以解决胰腺边界不清的问题。此外，引入了形状上下文记忆（Shape Context Memory, SCM）模块，以联合建模跨尺度的语义和胰腺形状。进一步使用主动形状模型（Active Shape Model, ASM）来建模形状先验。在 NIH 和 MSD 数据集上的实验证明了我们要模型的有效性，其将最先进（state-of-the-art）的 Dice 分数分别提高了 1.01% 和 1.03%。我们的架构针对模糊边界以及胰腺的尺度和形状变化提供了鲁棒的分割性能。
引用
@article{arxiv.2312.15859,
title = {SCPMan: Shape Context and Prior Constrained Multi-scale Attention Network for Pancreatic Segmentation},
author = {Leilei Zeng and Xuechen Li and Xinquan Yang and Linlin Shen and Song Wu},
journal= {arXiv preprint arXiv:2312.15859},
year = {2023}
}
备注
9 pages,6 figures