自注意力对医学图像分析影响的研究

受过训练的医师在解读医学图像时，理解视觉特征的临床重要性。通过运用认知注意力，他们将更多焦点置于临床相关区域，而忽略不必要的特征。利用计算机视觉自动分类医学图像已被广泛研究。然而，标准卷积神经网络（CNN）未必采用类似于受训医学专家的下意识特征相关性评估技术，而是更泛化地评估特征。自注意力机制使 CNN 能够更聚焦于语义重要区域或具有长程依赖的聚合相关上下文。通过使用注意力，医学图像分析系统可通过聚焦于更重要的临床特征区域而潜在地变得更加鲁棒。本文对各种最先进的自注意力机制在多个医学图像分析任务上进行了全面比较。通过定量与定性评估以及以临床用户为中心的调查研究，我们旨在更深入地理解自注意力在医学计算机视觉任务中的影响。