用于脑病灶检测的视图解耦 Transformer
计算机视觉与模式识别
2022-09-21 v1
摘要
深度神经网络（DNNs）已广泛用于脑病灶检测与分割。然而，在 2D MRI 切片中定位小病灶具有挑战性，且需要在 3D 上下文聚合的粒度与计算复杂度之间取得平衡。本文中，我们提出一种新颖的视图解耦 Transformer，以增强 MRI 特征提取从而实现更精确的肿瘤检测。首先，所提 Transformer 获取 3D 脑扫描中不同位置间的长程相关性。其次，该 Transformer 将一叠切片特征建模为多个 2D 视图，并逐视图增强这些特征，从而以高效方式近似实现 3D 相关性计算。第三，我们将所提 Transformer 模块部署于一个 Transformer 骨干网络中，可有效检测脑病灶周围的 2D 区域。实验结果表明，我们提出的视图解耦 Transformer 在具有挑战性的脑 MRI 数据集上针对脑病灶检测表现良好。
引用
@article{arxiv.2209.09657,
title = {View-Disentangled Transformer for Brain Lesion Detection},
author = {Haofeng Li and Junjia Huang and Guanbin Li and Zhou Liu and Yihong Zhong and Yingying Chen and Yunfei Wang and Xiang Wan},
journal= {arXiv preprint arXiv:2209.09657},
year = {2022}
}
备注
International Symposium on Biomedical Imaging (ISBI) 2022, code: https://github.com/lhaof/ISBI-VDFormer