SymTC：用于腰椎MRI实例分割的共生Transformer-CNN网络
图像与视频处理
2024-04-02 v4 计算机视觉与模式识别
机器学习
摘要
椎间盘疾病是一种常见疾病，常导致间歇性或持续性腰痛，该疾病的诊断和评估依赖于从腰椎MR图像中准确测量椎骨和椎间盘的几何形状。深度神经网络模型可以自动辅助临床医生对腰椎个体实例（椎间盘和椎骨）进行更高效的图像分割，这称为实例图像分割。本文提出了SymTC，一种创新的腰椎MR图像分割模型，结合了Transformer和卷积神经网络的优点。具体而言，我们设计了一个并行双路径架构来融合CNN层和Transformer层，并在Transformer的自注意力模块中集成了一种新颖的位置嵌入，增强了位置信息的利用以实现更准确的分割。为进一步提升模型性能，我们引入了一种新的数据增强技术，创建了合成但逼真的MR图像数据集SSMSpine，该数据集已公开。我们在私有内部数据集和公开的SSMSpine数据集上，使用Dice相似系数和95% Hausdorff距离两个指标评估了我们的SymTC和其他15个现有图像分割模型。结果表明，我们的SymTC在腰椎MR图像中分割椎骨和椎间盘方面具有最佳性能。SymTC代码和SSMSpine数据集可在https://github.com/jiasongchen/SymTC获取。
引用
@article{arxiv.2401.09627,
title = {SymTC: A Symbiotic Transformer-CNN Net for Instance Segmentation of Lumbar Spine MRI},
author = {Jiasong Chen and Linchen Qian and Linhai Ma and Timur Urakov and Weiyong Gu and Liang Liang},
journal= {arXiv preprint arXiv:2401.09627},
year = {2024}
}