基于多模态 MRI 与对比学习的腮腺肿瘤分割
计算机视觉与模式识别
2022-12-27 v2 人工智能
摘要
腮腺肿瘤是一种常见的头颈部肿瘤。通过 MR 图像对腮腺及肿瘤进行分割对于腮腺肿瘤的治疗十分重要。然而，由于腮腺形状多变且与周围结构对比度低，其分割尤为困难。近年来深度学习快速发展，能够处理复杂问题。然而，当前大多数处理医学图像的深度学习方法仍基于监督学习。与自然图像相比，医学图像难以获取且标注成本高。对比学习作为一种无监督学习方法，能更有效地利用无标注医学图像。本文中，我们采用基于 Transformer 的对比学习方法，并创新性地利用迁移学习训练对比学习网络。随后，将输出模型迁移至下游腮腺分割任务，提升了腮腺分割模型在测试集上的性能。改进后的 DSC 为 89.60%，MPA 为 99.36%，MIoU 为 85.11%，HD 为 2.98。四项指标相比以监督学习模型作为腮腺分割网络预训练模型的结果均有显著提升。此外，我们发现对比学习模型对分割网络的提升主要在编码器部分，因此本文也尝试为解码器部分构建对比学习网络，并讨论了构建过程中遇到的问题。
引用
@article{arxiv.2208.12413,
title = {Segmentation of Parotid Gland Tumors Using Multimodal MRI and Contrastive Learning},
author = {Zi'an Xu and Yin Dai and Fayu Liu and Boyuan Wu and Weibing Chen and Lifu Shi},
journal= {arXiv preprint arXiv:2208.12413},
year = {2022}
}