具有多级注意力机制的堆叠沙漏网络：椎间盘标注中何处寻踪
图像与视频处理
2021-08-29 v1 计算机视觉与模式识别
机器学习
摘要
从 MRI 扫描中标注椎间盘突出对于正确诊断脊柱相关疾病（包括多发性硬化、肌萎缩侧索硬化、退行性颈椎病和癌症）具有重要意义。由于椎间盘与骨区域相似、不同个体脊柱及周围组织的几何形态存在差异，以及扫描间（制造商、脉冲序列、图像对比度、分辨率和伪影）的变异性，MRI 数据中椎间盘的自动标注是一项困难任务。在以往研究中，椎间盘标注通常在检测步骤之后进行，且当定位算法漏检或产生假阳性检测时大多会失败。在本工作中，我们旨在通过采用姿态估计技术重新构建语义椎间盘标注以缓解该问题。为此，我们提出一种具有多级注意力机制的堆叠沙漏网络，以联合学习椎间盘位置及其骨架结构。所提出的深度学习模型结合了语义分割与姿态估计技术的优势，以处理缺失区域与假阳性检测。为进一步提升所提方法的性能，我们提出一种基于骨架的搜索空间以减少假阳性检测。所提方法在 spine generic 公共多中心数据集上进行了评估，并在 T1w 与 T2w 两种对比度下均展现出优于以往工作的性能。该方法已在 ivadomed（https://ivadomed.org）中实现。
引用
@article{arxiv.2108.06554,
title = {Stacked Hourglass Network with a Multi-level Attention Mechanism: Where to Look for Intervertebral Disc Labeling},
author = {Reza Azad and Lucas Rouhier and Julien Cohen-Adad},
journal= {arXiv preprint arXiv:2108.06554},
year = {2021}
}