MSMHSA-DeepLab V3+:一种有效的多规模,多头自我注意网络,用于双模式的心脏医学图像细分
Bo Chen1, Yongbo Li1, Jiacheng Liu1
1School of Mechanical, Electrical and Information Engineering, Shandong University, Weihai 264209, China.
Journal of imaging
|June 26, 2024
概括
这项研究引入了一个高效的网络,使用多个尺度,多个头的自我注意力来准确地进行心脏计算机断层扫描 (CT) 和磁共振成像 (MRI) 分段. 该方法有效地将整个心脏结构和亚结构分割成双模态图像.
科学领域:
- 医学成像分析 医学成像分析
- 心血管疾病研究研究
- 医疗保健中的人工智能
背景情况:
- 精确的心脏成像细分对于心血管疾病管理至关重要.
- 现有的方法在CT和MRI等不同方式中对整个心脏结构进行细分方面面临挑战.
研究的目的:
- 开发一个高效的网络,用于CT和MRI图像中的自动心脏细分.
- 通过使用一种新的自我注意力机制,提高全心和亚结构细分的准确性.
主要方法:
- 提出了一个高效的网络,结合了多个规模的多头自我注意力 (MSMHSA) 机制.
- 使用浅特征提取,其次是MHSA以获得全面的上下文信息.
- 在不同的尺度上实施了三个MHSA网络,以精确地对子结构进行细分.
主要成果:
- 在2017年多模式整心细分 (MM-WHS) 挑战数据集上取得了竞争性结果.
- 在CT和MRI图像中展示了七个心脏亚结构的准确细分.
- 展示了CNN和自我注意力融合在双模式细分的有效性.
结论:
- 拟议的MSMHSA网络为双模整整心细分提供了一种高效有效的方法.
- 在心脏图像分析中,CNN和自我注意的融合为基于变压器的模型提供了一个强大的替代方案.
- 该方法促进了心脏基结构的精确细分,有助于预防和治疗心血管疾病.
