MS-DASPNet:使用双重注意力和空间金字塔聚合与转移学习从脑MRI进行多发性硬化病变细分
Shikha Jain1, Navin Rajpal1, Pramod Kumar Soni2
1University School of Information, Communication & Technology, Guru Gobind Singh Indraprastha University, New Delhi, India.
Frontiers in computational neuroscience
|February 16, 2026
概括
在脑MRI中对多发性硬化症 (MS) 病变的准确细分对于患者的护理至关重要. 一个新的双重注意力引导深度神经网络 (MS-DASPNet) 在检测这些具有挑战性的病变方面表现出卓越的性能.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 在大脑中精确检测和细分多发性硬化症 (MS) 病变的磁共振成像 (MRI) 是具有挑战性的,因为病变的特征,如小尺寸,不规则的形状,并在成像模式的变化.
- 精确的MS病变细分对于早期诊断,监测疾病进展和指导治疗计划至关重要.
研究的目的:
- 推出MS-DASPNet,这是一种新的双重注意力引导深度神经网络,旨在克服MS病变检测的挑战,包括小尺寸,低对比度和异质外观.
- 评估MS-DASPNet对多个公共数据集的最新方法的有效性.
主要方法:
- MS-DASPNet使用基于VGG-16的编码器和一个Atrous空间金字塔聚合 (ASPP) 瓶,用于多层次的上下文学习.
- 双重注意模块被整合到跳过连接中,以改进空间细节并增强通道智能的特征表示.
- 该网络在四个公共数据集上进行了评估:ISBI-2015,Mendeley,MICCAI-2016和MICCAI-2021.
主要成果:
- 在评估的数据集中,MS-DASPNet与现有最先进的方法相比,获得了优异的精度,子,灵敏度和Jaccard分数.
- 该模型在MICCAI-2016数据集上获得0.8736的子得分,在MICCAI-2021数据集上获得0.8706的子得分.
- 这些结果表明,与当前的细分技术相比,性能提高了.
结论:
- MS-DASPNet在从脑MRI中精确细分多发性硬化病变方面表现出强度和有效性.
- 拟议的双重注意引导深度神经网络为需要精确的MS病变细分的临床应用提供了有希望的进步.
