大规模 CT 数据库中用于肝脏肿瘤分割的语义特征注意力网络
图像与视频处理
2019-11-04 v1 计算机视觉与模式识别
摘要
肝脏肿瘤分割在肝细胞癌诊断与手术规划中起着重要作用。本文中，我们提出一种新颖的语义特征注意力网络 (SFAN) 用于从计算机断层扫描 (CT) 体数据中分割肝脏肿瘤，其利用了低级与高级特征的影响。在 SFAN 中，设计了语义注意力传输 (SAT) 模块，以邻近高级语义信息为指导筛选有判别力的低级定位细节。此外，提出了全局上下文注意力 (GCA) 模块，以全局上下文为指导有效融合多级特征。我们的实验基于两个具有挑战性的数据库：公开的肝脏肿瘤分割 (LiTS) 挑战数据库和一个含 912 个 CT 体数据的大规模院内临床数据库。实验结果表明，我们提出的框架不仅在 LiTS 数据库的肝脏肿瘤分割上以逐例 Dice 达到最先进性能，而且在该大规模临床数据库中优于一些广泛使用的分割算法。
引用
@article{arxiv.1911.00282,
title = {Semantic Feature Attention Network for Liver Tumor Segmentation in Large-scale CT database},
author = {Yao Zhang and Cheng Zhong and Yang Zhang and Zhongchao Shi and Zhiqiang He},
journal= {arXiv preprint arXiv:1911.00282},
year = {2019}
}