UGformer：跨扫描仪的鲁棒左心房与瘢痕分割
计算机视觉与模式识别
2022-10-12 v1
摘要
得益于捕获长程依赖的能力和对不规则形状的鲁棒性，视觉 Transformer 和可变形卷积正成为强大的分割视觉技术。同时，图卷积网络（GCN）基于全局拓扑关系建模优化局部特征。特别是，它们已被证明在解决医学图像分割任务中的问题（包括低质量图像的多域泛化）方面是有效的。在本文中，我们提出了一种新颖、有效且鲁棒的医学图像分割框架，即 UGformer。它统一了源自 U-Net 的新型 Transformer 块、GCN 桥接和卷积解码器，以预测左心房和左心房瘢痕。我们发现了所提出的 UGformer 的两个吸引人的特性：1）带有可变形卷积的增强型 Transformer 模块，以改善 Transformer 信息与卷积信息的融合，并帮助预测不规则的左心房和瘢痕形状。2）使用结合 GCN 的桥接来进一步克服在不同磁共振图像扫描仪之间捕获条件不一致的困难，这些扫描仪具有各种不一致的域信息。所提出的 UGformer 模型在 LAScarQS 2022 数据集上表现出分割左心房和瘢痕的卓越能力，优于近期几种最先进的方法。
引用
@article{arxiv.2210.05151,
title = {UGformer for Robust Left Atrium and Scar Segmentation Across Scanners},
author = {Tianyi Liu and Size Hou and Jiayuan Zhu and Zilong Zhao and Haochuan Jiang},
journal= {arXiv preprint arXiv:2210.05151},
year = {2022}
}