探索频率域注意力引导级联U-Net:朝着可以调节的血管系统空间细分
Nan Mu1, Zonghan Lyu2, Xiaoming Zhang3
1Department of Biomedical Engineering, Michigan Technological University, Houghton, MI, 49931, USA; School of Computer Science, Sichuan Normal University, Chengdu, 610101, China.
Computers in biology and medicine
|November 6, 2023
概括
我们开发了一个名为FACU-Net的新型卷积神经网络 (CNN),用于可调节的医疗图像细分. 这种频域注意引导模型准确地对血管系统进行细分,用于血管疾病诊断和治疗规划.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 准确的医学图像细分对于诊断和规划血管疾病的治疗非常重要.
- 当前的卷积神经网络 (CNN) 实现了高性能,但缺乏对细分的空间可调性.
- 需要先进的细分方法,可以适应不同的血管系统空间尺度.
研究的目的:
- 提出一种新的CNN架构,FACU-Net,能够进行空间调节的医疗图像细分.
- 引入频域注意模块,以适应特征响应和区域聚焦.
- 为了增强或抑制特定的空间频率用于目标船舶细分.
主要方法:
- 开发了一个统一的CNN架构,FACU-Net,从频率域的角度结合了多个注意力模块.
- 引入了一个频域频道注意模块,以适应调整特征响应.
- 实施了频域空间注意模块,以有效关注感兴趣区域 (ROI).
- 设计了一个频域内容注意模块,用于操纵高空间频率信息,以增强或消除容器.
主要成果:
- 在临床数据中,FACU-Net证明了血管系统的成功细分,具有所需的空间尺度.
- 对内动脉瘤 (IA) 和腹腔大动脉瘤 (AAA) 的实验证实了该模型的有效性.
- 研究了空间频率组件与船舶尺寸/尺度属性之间的关系.
结论:
- 拟议的FACU-Net符合其设计目标,即空间调节的血管细分.
- 初步发现对开发可部署的医疗图像细分模型充满希望.
- 进一步的研究可能会导致用于血管疾病管理的临床应用的先进,可调节的细分工具.
