（脑肿瘤分割笔记：五十七）基于3D注意力UNet的脑肿瘤分割与生存预测
发布时间
阅读量：
阅读量
Title:Characterization of Brain Lesions and Forecasting Survival Outcomes based on 3D Attention UNet
摘要：
本文基于3D UNet架构的设计方案，并通过将通道和空间注意力模块与解码器网络进行融合处理，在分割任务中实现精确识别。
为了预测患者的生存期，我们从分割后的肿瘤几何形状和位置中提取了一系列新的辐射特征，并将其与临床信息相结合以估计每位患者的预期寿命。
在本研究开发了一种基于3D注意力机制的UNet架构[20]。该方法旨在对大脑肿瘤进行MRI图像分割。为了预测患者的生存期，在建立完整的人工智能系统前，请问您是否希望了解系统的构建过程？
方法
分割方法
基于3D UNet架构，并将3D注意模块与解码器整合的基础上
3D注意力跳跃单元
显著提升了特征层次的编码质量 从而推动了3D空间与通道间的关注机制的发展 如下图所示
通过实现3D注意力图的方法，我们采用了一种基于1×1C卷积的操作，将所有空间相关性聚合至H×W×1的空间维度上。同时，在神经网络中对输入样本进行平均池化处理以获取1×1C的相关性信息。通过编码生成的3D注意力特征图进一步增强了样本的空间关注能力以及通道层面的关注能力。
此外，在结合跳跃连接的基础上得以减弱这些并行激励导致的稀疏性和奇异问题。通过集成跳跃连接的方式，则能显著提升模型的泛化能力，并进一步优化分割预测的效果。
总结
本文通过UNet技术将3D注意力机制整合到一个新的框架中，并旨在从模型训练中提取关键特征。
全部评论 (0)
还没有任何评论哟~