STF-Net:用于皮层下大脑结构细分的分散变压器编码引导网络
Xiufeng Zhang1, Lingzhuo Tian1, Shengjin Guo1
1School of Mechanical and Electrical Engineering, 66455 Dalian Minzu University , Dalian, Liaoning, China.
Biomedizinische Technik. Biomedical engineering
|May 7, 2024
概括
这项研究引入了一种新型的散射变压器 (STF) 模块,用于神经成像中准确的皮质下大脑结构细分. STF模块通过提高细分精度和效率来增强计算机辅助诊断.
科学领域:
- 医疗成像医学成像
- 神经科学是一个神经科学.
- 计算机视觉 计算机视觉
背景情况:
- 皮下大脑结构细分对于神经影像诊断和计算机辅助诊断至关重要.
- 手动细分是耗时的,主观的,并且由于模糊的界限和复杂的形状限制了临床应用.
研究的目的:
- 提出一个准确和有效的方法,用于皮层下大脑结构的细分.
- 为了解决神经成像中手动细分的局限性.
主要方法:
- 引入了散变压器 (STF) 模块,其中包含了用于全球依赖性提取的自我注意机制.
- 使用浅层网络,并使用卷积运算来进行低级别的细节补偿.
- 实现了混合剩余扩展卷积 (HRDC) 模块用于多尺度上下文信息,以及八度卷积边缘特征提取 (OCT) 模块用于边缘特征强调.
- 用混合损失函数训练了网络.
主要成果:
- 拟议的STF模块在IBSR和MALC数据集上表现出色.
- 在对脑结构细分的客观和主观质量评估中取得了高准确性.
结论:
- 分散变压器 (STF) 模块为准确和高效的皮层下大脑结构细分提供了一个有前途的解决方案.
- 这种方法有可能在神经成像中显著推进计算机辅助诊断.


